当内核忙（已连接）时，单元格变得无响应

Question

我一直在尝试为 5MB 文本数据运行 BERTopic。运行代码后，以下代码的单元格没有响应，没有错误。并且下面的代码也无法运行，因为笔记本的行为就像那里存在问题并且其余代码没有运行。

代码在 Colab 上运行没有问题，但是，由于 collab 上的 ram 问题，我需要在我的本地机器 MacProM1 上的 JupyterLab 上运行代码。

from bertopic import BERTopic 
topic_model = BERTopic(embedding_model='bert-base-nli-mean-tokens')
topics,_= topic_model.fit_transform(sentences)

一旦我运行下面的代码，单元就会变得无响应而没有任何错误，而内核仍处于连接状态。 作为解决方案，

1. 我尝试将所有代码移动到 JupyterLab 的新笔记本中，但也没有解决。
2. 我卸载并重新安装了该项目所需的所有包，但仍然没有解决方案。
3. 我也试过!pip install --upgrade ipykernel，但效果不佳。 how the cell looks

Answer 1

首先，Jupyter 笔记本中的单元格可能对many reasons 无响应。所以我会先从这里寻找适当的调试。

因此，在我的实验环境中加载基于 Bert 的模型同时在笔记本电脑上运行许多其他东西时，我也会遇到同样的情况。大多数预训练模型都相当庞大，加载时会占用内存空间。如果没有足够的空间容纳模型，笔记本就会进入空白状态，您必须从顶部重新运行所有内容。

以下是导入 SBERT 和加载模型时使用多少内存的示例：

%%memit
from sentence_transformers import SentenceTransformer

输出：peak memory: 264.45 MiB, increment: 216.70 MiB

%%memit
model = SentenceTransformer('bert-base-nli-mean-tokens')

输出：peak memory: 1103.46 MiB, increment: 838.79 MiB

这告诉我这两行使用了多达 1GB 的可用内存。我将首先查看您的内存使用情况。