Jupyter Notebook - 内核在训练期间死亡 - tensorflow-gpu 2.0，Python 3.6.8

Question

由于我是这个领域的新手，我尝试按照 tensorflow 的官方教程来预测时间序列。 https://www.tensorflow.org/tutorials/structured_data/time_series

出现以下问题： - 训练多变量模型时，在 2 或 3 个 epoch 后，内核死亡并重新启动。

然而，这不会发生在一个更简单的单变量模型中，它只有一个 LSTM 层（不确定这是否会有所不同）。

然而，第二个问题是今天才发生的。昨天多变量模型的训练是可能的并且没有错误。

从下面链接中的教程中可以看出，模型如下所示：

multi_step_model = tf.keras.models.Sequential()
multi_step_model.add(tf.keras.layers.LSTM(32,return_sequences=True,input_shape=x_train_multi.shape[-2:]))

multi_step_model.add(tf.keras.layers.LSTM(16, activation='relu'))

multi_step_model.add(tf.keras.layers.Dense(72))

multi_step_model.compile(optimizer=tf.keras.optimizers.RMSprop(clipvalue=1.0), loss='mae')

并且内核在执行以下单元后死亡（通常在 2 或 3 个 epoch 之后）。

multi_step_history = multi_step_model.fit(train_data_multi, epochs=10,
                                          steps_per_epoch=300,
                                          validation_data=val_data_multi,
                                          validation_steps=50)

我已经卸载并重新安装了 tf，重新启动了我的笔记本电脑，但似乎没有任何效果。

有什么想法吗？

操作系统：Windows 10 Surface Book 1

Answer 1

问题是批量太大。将其从 1024 减少到 256 解决了崩溃问题。

解决方案取自 rbwendt 对this thread on github 的评论。