Question

我正在处理图像分类问题，而且我正在创建一个单词模型包。为此，我提取了所有图像的SIFT描述符，我必须使用KMeans算法来查找要用作我的文字袋的中心。

以下是我的数据：

图片总数：1584
SIFT描述符的数量（32个元素的向量）：571685
中心数：15840

所以我运行了一个KMeans算法来计算我的中心：

dico = pickle.load(open('./dico.bin', 'rb')) # np.shape(dico) = (571685, 32)
k = np.size(os.listdir(img_path)) * 10 # = 1584 * 10

kmeans = KMeans(n_clusters=k, n_init=1, verbose=1).fit(dico)

pickle.dump(kmeans, open('./kmeans.bin', 'wb'))
pickle.dump(kmeans.cluster_centers_, open('./dico_reduit.bin', 'wb'))

使用此代码，我得到了内存错误，因为我的笔记本电脑上没有足够的内存（只有2GB）所以我决定将中心数除以2并随机选择一半的SIFT描述符。这一次，我得到Value Error : array is too big。

如果没有内存问题，我该怎么做才能获得相关结果？

Answer 1

正如@sascha在这篇评论中所说，我只需要使用MiniBatchKMeans类来避免这个问题：

dico = pickle.load(open('./dico.bin', 'rb'))

batch_size = np.size(os.listdir(img_path)) * 3
kmeans = MiniBatchKMeans(n_clusters=k, batch_size=batch_size, verbose=1).fit(dico)

pickle.dump(kmeans, open('./minibatchkmeans.bin', 'wb'))

Sklearn.KMeans：如何避免内存或值错误？

1 个答案: