Google Colaboratory 上的 Keras：迭代不完整？
Keras on Google Colaboratory: Incomplete iterations?
我是 运行 keras 添加 rnn (seq2seq) example - here。我已经在 运行 1.Jupyter 上 ubuntu VM 上尝试过这个，也在 Google 带 GPU 的协作笔记本上尝试过。
但恐怕在 Google Colab 上，它没有完成所有迭代。更具体地说，
以下是来自常规 jupyter notebook 的日志：
Iteration 1
Train on 45000 samples, validate on 5000 samples
Epoch 1/1
45000/45000 [==============================] - 75s 2ms/step - loss: 1.8899 - acc: 0.3209 - val_loss: 1.7819 - val_acc: 0.3429
以下是来自 Google 协作笔记本的日志。
Iteration 1
Train on 45000 samples, validate on 5000 samples
Epoch 1/1
17536/45000 [==========>...................] - ETA: 10s - loss: 2.0067 - acc: 0.2934
请注意，在本次未完成的迭代之后，它不会停止，而是会进入下一次迭代。以下是 colab notebook 下一次迭代的日志 -
Iteration 2
Train on 45000 samples, validate on 5000 samples
Epoch 1/1
34688/45000 [======================>.......] - ETA: 2s - loss: 1.7466 - acc: 0.3562
请注意，我在这两种环境中使用了相同的代码。我不明白这里发生了什么。为什么在 Google colab notebook 上没有完成迭代？它与 Google colab 上的 GPU 相关吗？我该如何解决？任何指针将不胜感激。谢谢！
我在 Co-Lab 中遇到了这个问题，它在云中提供了最多 (12 GB) 的有限内存，这在解决问题时会产生很多问题。这就是为什么只使用 300 张图像进行训练并且 test.when 图像以 600x600 尺寸进行预处理并且批量大小设置为 128，Keras 模型在纪元 1 期间冻结。编译器没有显示这个 error.Actually 错误是 运行时间有限的内存，CoLab 无法处理，因为它只提供 12GB 的有限内存供使用。通过将批量大小更改为 4 并将图像尺寸减小到 300x300 来解决上述问题，因为对于 600x600 它仍然不起作用。
最后，推荐的解决方案是使图像维度和 Batch_size 变小，直到你没有错误
运行 一次又一次地通过进一步改变批量大小和图像尺寸小直到没有 运行 时间错误strong text
epoch 出现这种行为的一个基本原因是 'print' 给定 epoch 的两个步骤之间的声明。但是由于这个原因导致的进度条不完整不会影响模型训练。
我是 运行 keras 添加 rnn (seq2seq) example - here。我已经在 运行 1.Jupyter 上 ubuntu VM 上尝试过这个，也在 Google 带 GPU 的协作笔记本上尝试过。 但恐怕在 Google Colab 上，它没有完成所有迭代。更具体地说，
以下是来自常规 jupyter notebook 的日志：
Iteration 1
Train on 45000 samples, validate on 5000 samples
Epoch 1/1
45000/45000 [==============================] - 75s 2ms/step - loss: 1.8899 - acc: 0.3209 - val_loss: 1.7819 - val_acc: 0.3429
以下是来自 Google 协作笔记本的日志。
Iteration 1
Train on 45000 samples, validate on 5000 samples
Epoch 1/1
17536/45000 [==========>...................] - ETA: 10s - loss: 2.0067 - acc: 0.2934
请注意，在本次未完成的迭代之后，它不会停止，而是会进入下一次迭代。以下是 colab notebook 下一次迭代的日志 -
Iteration 2
Train on 45000 samples, validate on 5000 samples
Epoch 1/1
34688/45000 [======================>.......] - ETA: 2s - loss: 1.7466 - acc: 0.3562
请注意，我在这两种环境中使用了相同的代码。我不明白这里发生了什么。为什么在 Google colab notebook 上没有完成迭代？它与 Google colab 上的 GPU 相关吗？我该如何解决？任何指针将不胜感激。谢谢！
我在 Co-Lab 中遇到了这个问题，它在云中提供了最多 (12 GB) 的有限内存，这在解决问题时会产生很多问题。这就是为什么只使用 300 张图像进行训练并且 test.when 图像以 600x600 尺寸进行预处理并且批量大小设置为 128，Keras 模型在纪元 1 期间冻结。编译器没有显示这个 error.Actually 错误是 运行时间有限的内存，CoLab 无法处理，因为它只提供 12GB 的有限内存供使用。通过将批量大小更改为 4 并将图像尺寸减小到 300x300 来解决上述问题，因为对于 600x600 它仍然不起作用。 最后，推荐的解决方案是使图像维度和 Batch_size 变小，直到你没有错误 运行 一次又一次地通过进一步改变批量大小和图像尺寸小直到没有 运行 时间错误strong text
epoch 出现这种行为的一个基本原因是 'print' 给定 epoch 的两个步骤之间的声明。但是由于这个原因导致的进度条不完整不会影响模型训练。