Jupyter | Le noyau semble avoir disparu. Il redémarrera automatiquement |
J'ai été l'exécution d'un particulier script python pour un certain temps. Tout le script fonctionne parfaitement bien (y compris dans Jupyter) pendant de nombreux mois avant cette. Maintenant, en quelque sorte, le jupyter dans mon système a commencé à montrer le message d'erreur suivant à une seule ligne de code (la dernière ligne de l'mentionnés ci-dessous de code). Toutes les parties de ce code fonctionne parfaitement, sauf pour la dernière ligne de code (où j'ai appeler une fonction définie par l'utilisateur à faire paire compte). La fonction définie par l'utilisateur (corrélation.polepy) peuvent être trouvés à partir de https://github.com/OMGitsHongyu/N-body-analysis
C'est le message d'erreur que j'obtiens:
Kernel Restarting
The kernel appears to have died. It will restart automatically.
Et, ici, c'est le squelette de mon Code Python:
from __future__ import division
import numpy as np
import correlation
from scipy.spatial import cKDTree
File1 = np.loadtxt('/Users/Sidd/Research/fname1.txt')
File2 = np.loadtxt('/Users/Sidd/Research/fname2.txt')
masscut = 1.1*np.power(10,13)
mark1 = (np.where(File1[:,0]>masscut))[0]
mark2 = (np.where(File2[:,0]>masscut))[0]
Data1 = File1[mark1,1:8]
Data2 = File2[mark2,1:8]
Xi_masscut = correlation.polepy(p1=Data1, p2=Data2, rlim=150, nbins=150, nhocells=100, blen=1024, dis_f=100)
Problème similaire se produit (dernière ligne de code) lorsque j'essaie d'utiliser IPython. Lorsque j'essaie d'utiliser Python (mettre en œuvre dans le terminal), j'obtiens un message d'erreur (la dernière ligne) qui dit "Segmentation fault: 11". Je suis à l'aide de Python 2.7.13 :: Anaconda 2.5.0 (x86_64).
J'ai essayé les méthodes déjà à la recherche d'une solution:
1.> j'ai vérifié certains liens sur stackoverflow où ce problème a été demandé: Le noyau semble avoir disparu. Il redémarrera automatiquement
J'ai essayé la solution donnée dans le lien ci-dessus; malheureusement, il ne semble pas fonctionner pour mon cas. C'est la solution qui a été fait mention dans le lien donné ci-dessus:
conda update mkl
2.> Juste pour vérifier si le système est à court de mémoire, j'ai fermé toutes les applications qui sont lourds sur la mémoire. Mon système dispose de 16 GO de mémoire physique, et même quand il n'y a plus de 9 GO de mémoire libre, ce problème se pose (encore une fois, ce problème n'a pas été le cas avant, même lorsque j'avais été à l'aide de 14 GO dans d'autres tâches, et ont eu moins de 2 GO de mémoire. Il est très surprenant que j'ai pu exécuter la tâche avec les entrées avant et je ne suis pas en mesure de reproduire le calcul avec le même exacte entrées maintenant.)
3.> j'ai vu un autre lien:
https://alpine.atlassian.net/wiki/plugins/servlet/mobile?contentId=134545485#content/view/134545485
Celui-ci apparaît de s'attaquer à des problèmes similaires et il en parle là n'étant pas assez de mémoire pour le conteneur docker. J'avais des doutes sur la façon de mettre en œuvre les suggestions mentionnées dans il.
Dans l'ensemble, je ne suis pas sûr de savoir comment ce problème se pose de la première place. Comment puis-je résoudre ce problème? Toute aide sera très appréciée.
- Pourriez-vous poster le code que vous voulez exécuter? Il serait particulièrement utile si vous pouviez poster un un Minimum, Complètes et Vérifiables exemple
- Merci pour la réponse. J'ai posté le squelette de mon code et ont mentionné les mesures que j'ai prises pour le dépannage. Malheureusement, aucune des étapes que j'ai pu essayer ont fonctionné pour moi jusqu'à présent. Je vous remercie beaucoup de l'aide.
Vous devez vous connecter pour publier un commentaire.
Ce problème se produit lors de l'importation sklearn de l'APC avant de numpy (pas sûr de l'inverse de la séquence permettra de résoudre le problème)
Mais plus tard, j'ai résolu le problème en réinstallant numpy et mkl:
conda install numpy
et
conda install -c intel mkl
numpy
permis -- merci ! Une autre option que j'ai lu est: "Ne pas utiliser Jupyter ordinateur portable. L'utilisation d'un simple .py script. Je sais que d'un problème connu avec un ordinateur portable. Il ne permet pas de cuda pour libérer des ressources après la séance, ce qui crée des problèmes".installer la bibliothèque avec conda au lieu pip
ce travail pour moi
Lorsque cela m'est arrivé, j'ai juste téléchargé mon portable google colab et il a commencé à travailler. Il semble, cependant, que la question est un goulot d'étranglement dans le calcul/les ressources de la mémoire dans la formation de ces grands modèles, et des endroits comme colab ont beaucoup plus de bande passante qu'est-ce que votre machine.