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

Question

由于我是该领域的新手，所以我尝试遵循tensorflow的官方教程来预测时间序列。 https://www.tensorflow.org/tutorials/structured_data/time_series

发生以下问题：-训练多元模型时，在2或3个时期之后，内核死亡并重新启动。

但是，对于只有一个LSTM层的更简单的单变量模型，这不会发生（不确定是否会有所作为）。>>

然而，第二个问题今天才发生。昨天，多元模型的训练是可能的，并且没有错误。

在教程中，该模型下面的链接中显示如下：

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格后死亡（通常在2或3个纪元之后）。

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，重新启动了笔记本电脑，但似乎无济于事。

有什么想法吗？

操作系统：Windows 10Surface Book 1

由于我是该领域的新手，所以我尝试遵循tensorflow的官方教程来预测时间序列。 https://www.tensorflow.org/tutorials/structured_data/time_series以下...

Answer 1

问题是批量太大。将其从1024减少到256可解决崩溃问题。