kmeans对自己的图像数据集聚类（及肘部法求最佳K值）

pytorch实现kmeans（自己的图像数据集）

上篇笔记已经介绍了，如何加载自己的图像数据集。（加载数据集： https://blog.youkuaiyun.com/hnu_zzt/article/details/84766049 ） 这篇笔记介绍对自己的图像数据集用kmeans聚类。为了方便演示，我的数据集是1000张3×64×64的彩色图片，均放在test文件夹下。只需修改下文件夹路径就可以实现。详细代码和注释如下：

import torch
from torch.utils import data
from PIL import Image
import numpy as np
from torchvision import transforms
from numpy import *


transform = transforms.Compose([
    transforms.ToTensor(),  # 将图片转换为Tensor,归一化至[0,1]
    # transforms.Normalize(mean=[.5, .5, .5], std=[.5, .5, .5])  # 标准化至[-1,1]
])


# 定义自己的数据集合
class FlameSet(data.Dataset):
    def __init__(self, root):
        # 所有图片的绝对路径
        imgs = os.listdir(root)
        self.imgs = [os.path.join(root, k) for k in imgs]
        self.transforms = transform

    def __getitem__(self, index):
        img_path