e-means：k-means 速度提升 10 倍

E-means: 10x faster k-means at equal loss

e-means 项目提出了一种全新的 k-means 优化方案，在保持与 Lloyd 算法同等损失的前提下，将训练速度提升了 10 倍。通过引入指数移动平均（Exponential Moving Average）更新规则，结合自动化的超参数缩放定律，e-means 无需人工调参即可在 GPU 和 CPU 上实现显著加速。此外，该方法通过小批量更新引入的噪声，有效帮助算法跳出局部最优解，解决了传统方法中常见的死簇问题。对于处理大规模静态数据集，e-means 提供了比 Flash-KMeans 和 Faiss 更高效的现代替代方案。