Python中的张量流

Question

在 python 中训练 tensorflow 时，程序在一段时间后被杀死。日志中不会打印任何错误或警告信息。

我正在使用 Fedora24、Python 2.7 和 Tensorflow 0.12

这是我尝试过的代码的链接。 https://github.com/inikdom/neural-sentiment/blob/master/train.py

输出如下：

python train.py 使用旧检查点未检测到超参数更改... 找到词汇映射... 使用...创建模型 隐藏层数：2 每层单元数：50 辍学：0.5 词汇大小为：20002 ['data2.npy'，'data3.npy'，'data0.npy'，'data1.npy'] 每批训练样本数：200，
每个时期的批次数：250 使用新参数创建模型。 开始训练... 训练的最大 epoch 数：50 批量：200 起始学习率：0.01 学习率衰减因子：0.97 测试规模为：14800，分成74个批次 被杀

我不知道这是否是由 session.run 方法引起的。我也无法避免这种方法。请帮忙..

Answer 1

我想通了。这是因为内存使用情况。如果您使用的是 VM，只需增加内存即可。

Answer 2

如果您进行更多清理和功能，可能会增加缓冲内存。您可以使用以下垃圾收集功能清理缓冲存储器。此外，您可以在程序中任何需要的地方添加 gc.collect()。它将清除您不需要的缓冲内存。

 import gc

 gc.collect()

此外，如果进程结束或不需要，则 del 变量和列表。