在手写数字数据集中（调用程序包sklearn.datasets的函数load_digits()），训练k均值聚类模型。

好的，我可以帮你解答这个问题。首先，导入所需的包和手写数字数据集：

from sklearn.datasets import load_digits
from sklearn.cluster import KMeans

digits = load_digits()

接着，我们需要对数据进行预处理，将其转化为二维数组：

data = digits.data
n_samples, n_features = data.shape

然后，我们可以训练k均值聚类模型，设置聚类数为10：

n_clusters = 10
kmeans = KMeans(n_clusters=n_clusters, random_state=0)
kmeans.fit(data)

最后，我们可以输出每个簇的中心点：

print("Cluster centers:\n", kmeans.cluster_centers_)

完整代码如下：

from sklearn.datasets import load_digits
from sklearn.cluster import KMeans

digits = load_digits()
data = digits.data
n_samples, n_features = data.shape

n_clusters = 10
kmeans = KMeans(n_clusters=n_clusters, random_state=0)
kmeans.fit(data)

print("Cluster centers:\n", kmeans.cluster_centers_)

希望这个回答能够帮助到你！