TensorFlow KMeans类解包报错：值过多无法解包问题咨询

我之前也踩过这个坑！确实TensorFlow的tf.contrib.factorization.KMeans模块文档没跟上实际实现，training_graph()的返回值比官方文档描述的要多一个额外的张量，这就是你碰到"Too many values to unpack"错误的原因。

实际完整返回值列表 #

官方旧文档可能只列出了6个返回值，但实际调用training_graph()会返回7个元素，完整的返回项如下：

• centers: 形状为[num_clusters, dim]的张量，存储最终的聚类中心
• cluster_idx: 形状为[batch_size]的张量，每个输入样本对应的聚类索引
• scores: 形状为[batch_size]的张量，每个样本到其所属聚类中心的距离
• cluster_centers_initialized: 标量张量，用来标记聚类中心是否已经完成初始化
• init_op: 用于初始化聚类中心的操作节点
• train_op: 执行一轮K-Means训练迭代的操作节点
• sum_squared_error: 标量张量，所有样本到对应聚类中心的平方误差总和（这就是文档遗漏的那个额外返回值）

正确的解包示例 #

你需要把这个额外的返回值也加入解包语句中，比如：

# 假设你已经创建了KMeans实例kmeans
centers, cluster_idx, scores, cluster_centers_initialized, init_op, train_op, sum_squared_error = kmeans.training_graph()

小提示：因为tf.contrib下的模块都是实验性组件，文档更新往往滞后于代码实现，下次碰到类似问题可以直接查看函数的源码注释，那里的信息会比在线文档更准确。

内容的提问来源于stack exchange，提问作者Jerry Ajay