Python 巨蟒在GCP上被杀死

我一直在进行比较，以便在本地机器和谷歌云平台上运行深度学习代码。 该代码是关于递归神经网络的，在本地机器上运行良好。 但在GCP cloud shell上，当我想编译python文件时，它显示“Killed”

userID@projectID：~$python rnn.py

被杀

是因为我记性不好吗？（因为我试图逐行运行，第二次给变量分配大数据时，它卡住了。） 我的代码有点像这样

imdb=np.load（'imdb\u word\u emb.npz'））
X_列车=imdb['X_列车']
X_测试=imdb['X_测试']

在第三行，机器卡住了，显示“死机”

我试图改变第二行和第三行的顺序，但它仍然卡在第三行。 我的训练数据是（25000,80128）-数组。我的测试数据也是如此。数据集在我的本地机器上运行得非常好。我确信这个数据集没有问题

还是因为其他原因？

---

如果知道如何解决这个问题的人，或者知道一些关键词的人告诉我如何处理这个问题，那就太棒了。谢谢：D

您得到的错误是因为Cloud Shell不适用于计算或网络密集型进程

我知道你想将你的本地机器与谷歌云平台进行比较。如上所述：

“当您启动Cloud Shell时，它提供了一个g1小型Google Compute 发动机“

A具有1.70GB RAM和共享物理核心。请记住这一点，正如前面所述，这是有限的，您的本地机器可能比Cloud Shell更强大，所以您不会看到任何改进

---

我建议您使用不同的机器类型创建一个计算引擎实例，您可以使用自定义机器类型来设置希望拥有的内核数和内存GB。我猜您希望在Google Compute Engine中更快地运行您的工作负载，以便在资源方面选择比本地计算机更好的计算机类型，并比较其改进程度。

您的数据集有多大？您可以尝试创建一个与您要处理的数据集一样大的常规np数组来解决这个问题，看看这是否也会引起问题。@NiayeshIsky这是个好主意。我的数据集是两个（25000,80128）数组作为训练和测试数据，再加上两个（25000,1）数组作为相应的标签。我试过了。相同大小的零np数组不存在内存问题。我不知道关键问题在哪里。嗯，很奇怪。。。我仍然认为这听起来像是内存问题，但如果不是，运行

imdb.keys（）

是否会显示您期望的键？也就是说，

'X_train'

和

'X_test'

都应该在

imdb.keys（）

中。但如果是内存问题（并且是一个公平的警告，我对GCP不是很熟悉-我基本上只是在这里引用），它可能是一个或一个问题。您可能还需要查看本地GCP。@NiayeshIsky是的，我查过了

imdb.keys（）

正是我所期望的。我将查阅你的推荐信。谢谢我正在通过SSH从我自己的PC连接，我仍然收到

Killed

消息