我有一个大小为301 x 4096的数组，我想为此计算VLAD向量。
我尝试使用
进行量化center, assignments = vlfeat.vl_kmeans(data,8)
但是会返回
ValueError：要解压缩的值太多
如果我将群集数量从8更改为2，则可以正常工作。 我也尝试了其他数字，但所有数字都返回了相同的ValueError。除了，当它设置为1时，它返回
ValueError：解包需要多于1个值
可能是因为它与我的数据中的样本数量有关吗？
答案 0 :(得分：0)
Github上提供了VLFeat的这个非官方Python接口的来源。
vl_kmeans函数默认只返回centers，因此只有一个值可以解压缩：
import numpy as np
import vlfeat
x = np.random.rand(10, 8)
centers = vlfeat.vl_kmeans(x, 3)
生成的centers数组将具有(3, 8)形状，即3个中心中每个中心的8维点。
如果要获取每个输入的分配，则必须将选项quantize传递给vl_kmeans功能。然后，该函数确实返回centers和assignment，这将按预期工作：
centers, assignments = vlfeat.vl_kmeans(x, 3, quantize=True)