内核似乎已经死了。它将自动重新启动。有记忆问题吗？

Question

内核在运行一些代码后死机了
我试图运行代码，用生成器生成一个示例图像我试图更新conda和Jupiter，但它们都不起作用

我一直在关注GPU的内存使用情况，但它没有太多地使用GPU

Python 3.5，Ubuntu 18.10，cuda 10.0

def make_generator_model():
    model = tf.keras.Sequential()
    model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Reshape((7, 7, 256)))
    assert model.output_shape == (None, 7, 7, 256) # Note: None is the batch size

    model.add(layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False))
    assert model.output_shape == (None, 7, 7, 128)
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Conv2DTranspose(64, (5, 5), strides=(2, 2), padding='same', use_bias=False))
    assert model.output_shape == (None, 14, 14, 64)
    model.add(layers.BatchNormalization())
    model.add(layers.LeakyReLU())

    model.add(layers.Conv2DTranspose(1, (5, 5), strides=(2, 2), padding='same', use_bias=False, activation='tanh'))
    assert model.output_shape == (None, 28, 28, 1)

    return model
generator = make_generator_model()

noise = tf.random.normal([1, 100])
generated_image = generator(noise, training=False)

[I 10:20:06.664 NotebookApp]内核重启器：重启内核（1/5），keep random ports警告：root:kernel 4406ce3b-1b5b-4ef8-aba9-d5fd9ed129e7已重新启动2019-04-18 10:20:21.002451:I tensorflow/stream_executor/platform/default/dso_loader.cc:42]已成功打开动态库libcuda.so.1 2019-04-18 10:20:21.081020:I tensorflow/core/common_runtime/gpu/gpu设备。cc:1589]已找到具有属性的设备0：名称：泰坦Xp大调：6小调：1内存锁定速率（GHz）：1.582 pciBusID:0000:42:00.0 totalMemory:11.91GiB freeMemory:340.69MiB 2019-04-18 10:20:21.081054:I tensorflow/core/common_runtime/gpu/gpu_设备。cc:1712]添加可见gpu设备：0 2019-04-18 10:20:21.081382:I tensorflow/core/platform/cpu_功能保护。cc:142]您的cpu支持此tensorflow二进制文件未编译到的指令使用：AVX2 FMA 2019-04-1810:20: 21.107510：I TysFult/Cyp/XLA／Service / Service .CC：168）XLA服务0x55 DE6EAD0990在CUDA平台上执行计算。设备：2019-04-18 10:20:21.107562:I tensorflow/compiler/xla/service/service.cc:175]StreamExecutor设备（0）：TITAN Xp，计算能力6.1 2019-04-1810:20:10: I TysFrace/Cyrase/PrimeLoIULS/CPUUITUL.CC：94）CPU频率：3493050000赫兹2019-04-1810:20:21.129460：I TysFult/Scult/XLA／Service / Service .cc:168）XLA服务0x55 DE6ED7EB0在平台主机上执行计算。设备：2019-04-18 10:20:21.129503:I tensorflow/compiler/xla/service/service.cc:175]流执行器设备（0）：，2019-04-18 10:20:21.129616:I tensorflow/core/common_runtime/gpu/gpu_device.cc:1712]添加可见gpu设备：0 2019-04-18 10:20:21.129722:I tensorflow/stream_executor/platform/default/dso_loader.cc:42]已成功打开动态库libcudart.so.10.0 2019-04-18 10:20:21.130785:I tensorflow/core/common_runtime/gpu/gpu__设备。cc:1120]具有强度1边缘矩阵的设备互连StreamExecutor:2019-04-18 10:20:21.130807:I tensorflow/core/common_runtime/gpu/gpu设备。cc:1126]0 2019-04-18 10:20:21.130819:I tensorflow/core/common_runtime/gpu/gpu设备。cc:1139]0:N 2019-04-18 10:20:21.131090:I tensorflow/core/common_runtime/gpu/gpu设备。cc:1260]设备（/job:localhost/replica:0/task:0/device:GPU:0，内存115 MB）-

Answer 1

根据错误的输出，这似乎是内存问题。

“totalMemory:11.91GiB自由内存：340.69MiB”

试着重新启动你的电脑，一旦你把它打开，看看有多少内存是可用的，然后再次执行你的代码，看看它是否工作了。