将 mxnet ImageRecordIter 与 cifar10_val.rec 一起使用时，jupyter notebook 内核会死机答案

【问题标题】：jupyter notebook kernel dies when use mxnet ImageRecordIter with cifar10_val.rec将 mxnet ImageRecordIter 与 cifar10_val.rec 一起使用时，jupyter notebook 内核会死机
【发布时间】：2017-08-01 06:18:45
【问题描述】：

单元格如下，尝试使用cifar10_val.rec。文件在那里。

def get_data_from_cifar(): 
    train = mx.io.ImageRecordIter() 
    val = mx.io.ImageRecordIter() 
    return train, val 

train, val = get_data_from_cifar()

每次我运行笔记本它都会死掉，告诉

内核似乎已经死了。它会自动重启。

有一个关于jupyter notebook kernel dies when using pandas的帖子，它是关于内存的，但是它有to_sparse()来处理。

我的电脑内存也不是很大。但是，在运行单元时，任务管理器不会显示内存已经耗尽。

这可能是其他问题吗？

更新：

在 python 解释器 shell 中运行脚本，正如@leezu 所说的那样

304: [16:36:58] src/io/image_aug_default.cc:282: 检查失败： static_cast(res.rows) >= param_.data_shape1 && static_cast(res.cols) >= param_.data_shape[2] 输入图像尺寸小于输入形状

我猜我使用了错误的 data_shape(3,128,128)。根据 cifar10 实例更改它们后会更新。

【问题讨论】：

如果你在 python 脚本中运行它会发生什么？ IE。将代码粘贴到文件script.py 并运行python script.py。
还有可能需要多少 RAM（以数字计）。
能否请您将问题标记为已回答（最好将问题中的答案提取为独立答案）？

标签： deep-learning jupyter-notebook mxnet

【解决方案1】：

找出 cifar10 有 60000 张 32*32 的图像。将 data_shape 更改为 (3,32,32) 后它就不会死了。

实际上还必须将 label_width 设置为 1。但是可以从终端跟踪错误。

【讨论】：