points变量用来存放数据集的点的坐标,centroids变量用于存放每个组质心的坐标,clustering_assignments变量用来存放为每个数据元素分配的类的索引.

比如说,clustering_assignments[2]=1表示数据data[2]的数据点被分配到1类,而1类的质心坐标通过访问centroids[1]得到.

points=tf.Variable(data)
cluster_assignments = tf.Variable(tf.zeros([N], dtype=tf.int64))
centroids = tf.Variable(tf.slice(points.initialized_value(), [0,0], [K,2]))

—

函数原型 tf.slice(inputs,begin,size,name=”)

用途：从inputs中抽取部分内容

     inputs：可以是list,array,tensor

     begin：n维列表，begin[i] 表示从inputs中第i维抽取数据时，相对0的起始偏移量，也就是从第i维的begin[i]开始抽取数据

     size：n维列表，size[i]表示要抽取的第i维元素的数目

     有几个关系式如下:

         （1） i in [0,n]

         （2）tf.shape(inputs)[0]=len(begin)=len(size)

         （3）begin[i]>=0   抽取第i维元素的起始位置要大于等于0

         （4）begin[i]+size[i]<=tf.shape(inputs)[i]