如何调试即将死去的Jupyter Python3内核？

在一个8兆RAM的笔记本电脑中以numpy数组读取近5000张图像时，面临着完全相同的问题，用于机器学习项目。在对图像的分辨率，相应的numpy数组的大小进行了一些数学运算之后，我发现8 GB的RAM不足以处理图像。在网上进行了大量研究后，其中涉及到一些建议，例如更新CUDA，cuDNN，降级TensorFlow（在导入相关模块/软件包时遇到相同的错误），将numpy更新为最新版本以及更新intel Math Kernel版本（命令：“ conda install -c intel mkl”）（整天的研究）。对我有用的解决方案是在Google colab上运行模型训练过程。

现在，回到您的问题：显示的对话框：“内核似乎已经死亡。它将自动重启。” 本身不是“错误”。通过清除所有变量并重新启动内核，它更像是“ Jupyter Notebook帮助自己”。Jupyter Notebook正在发送SOS信号，并从自身获取帮助，以使其不会崩溃。否则会导致重新启动的Jupyter Notebook没有未保存的更改。（嗯，它会自动保存，但不会“自动检查点”）

Jupyter Notebook的“响应”仅是因为达到了笔记本电脑的最大RAM容量。-这是“潜在错误”（响应）。这将取消分配资源，使您能够重新启动程序。还记得您打开过多的Chrome标签页时计算机挂死了吗？还是运行的程序中变量值太多而无法存储（例如在我的5000张图片的情况下）？当RAM容量被充分利用时，这可能是Jupyter Notebook的替代响应。挂 或崩溃。

但是相反，开发人员已经足够友善以使其能够照顾自己。

注意1：运行与.py脚本相同的代码，错误将更加冗长。

注意2：如果您使用的是CUDA，请记住，即使会话终止，Jupyter Notebook也无法取消分配CUDA资源。因此，这可能是它重新启动的原因。