Python 为什么我会得到；在抛出'；std：：bad#u alloc''；当我的训练数据很大时？

我的硬件是Intel Pentium，8 GB RAM，250 GB硬盘，没有GPU。我可以用400个图像来训练数据，但当我将图像数量增加到1000个时，就会抛出错误

<pre>2019-10-31 21:55:05.844961: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2
terminate called after throwing an instance of &apos;std::bad_alloc&apos;
  what():  std::bad_alloc
Aborted (core dumped)
</pre>

2019-10-31 21:55:05.844961:I tensorflow/core/platform/cpu\u feature\u guard.cc:137]您的cpu支持未编译此tensorflow二进制文件以使用的指令：SSE4.1 SSE4.2
在抛出&apos；的实例后调用terminate；标准：：坏的所有&apos；
什么（）：std：：坏的
中止（堆芯转储）

---

如何解决此问题？

此错误意味着内存不足

特殊注意事项：

在某些情况下，它可能是由内存碎片造成的，因为您实际上有足够的内存来服务您的任务，但由于它不是连续的，所以无法使用

或

一个进程被分配了一个较大的内存部分，其中一些未被占用，不能被另一个进程使用。

在训练之间运行

tf.reset\u default\u graph（）

，可能有助于释放内存，以防碎片成为真正的问题。

---

keras.clear\u session（）

方法是

tf.reset\u default\u graph（）

的替代方法，它可以在出现碎片时帮助释放内存。

该错误意味着内存不足

特殊注意事项：

在某些情况下，它可能是由内存碎片造成的，因为您实际上有足够的内存来服务您的任务，但由于它不是连续的，所以无法使用

或

一个进程被分配了一个较大的内存部分，其中一些未被占用，不能被另一个进程使用。

在训练之间运行

tf.reset\u default\u graph（）

，可能有助于释放内存，以防碎片成为真正的问题。

keras.clear\u session（）

方法是

tf.reset\u default\u graph（）

的替代方法，它可以帮助在出现碎片时释放内存