Python 如果我做了不止一个历元，为什么我的keras模型会终止并冻结我的笔记本？

我用10个批量完成了1个

nb_epoch

，并且成功地完成了。准确率是绝对可怕的，达到了惊人的27%。我想让它在多个历元上运行，看看准确率是否会，理想情况下，超过80%左右，但如果我试图让它在多个历元上运行，它会一直冻结我的Jupyter笔记本。我怎样才能解决这个问题

我的后端是Theano，只是为了澄清

---

性能和批量大小之间肯定存在相关性。我试着做batch_size=1，花了我一天中12秒可怕、令人畏惧、不可原谅的时间来做1个历代。

历代都需要时间，有时看起来像是冻结了，但它仍然在运行，如果你等得够久，它就会结束。增加批处理大小可以使其更快地贯穿各个时代。

您可能需要研究更多因素。 查看系统资源，例如CPU、内存、磁盘IO。（如果使用linux，请运行

sar

命令）

---

对我来说，冻结的笔记本还有另一个问题，那就是内存不足。

在终端中工作是否更好？如果可能的话，请显示部分或全部代码。至少是fit（）部分实际上没有什么问题。我只是变得不耐烦了，被告知网站没有反应。好吧，因为有时候验证步骤（在一个训练时期之后）需要很多时间。。。它没有显示验证的处理过程，因此您只需等待或减少有效集。我没有验证步骤。我得调查一下。非常感谢。