Python 在 GCP 上被杀
Python killed on GCP
我一直在与 运行 本地机器和 Google 云平台上的深度学习代码进行比较。
该代码是关于递归神经网络的，它 运行 在本地机器上运行得非常好。
但是在 GCP 云 shell 上，当我想编译我的 python 文件时，它显示 "Killed"
userID@projectID:~$ python rnn.py
杀了
是不是我记性不好？ （因为我试图逐行 运行 ，第二次我将大数据分配给一个变量时，它卡住了。）
我的代码有点像这样
imdb = np.load('imdb_word_emb.npz')
X_train = imdb['X_train']
X_test = imdb['X_test']
第三行机器卡住显示"Killed"
我试过改变第二行和第三行的顺序，还是卡在第三行。
我的训练数据是一个 (25000,80,128) 数组。我的测试数据也是如此。该数据集在我的本地机器上运行良好。我确定这个数据集没有问题。
还是因为其他原因？
如果知道如何解决甚至几个关键词的人告诉我如何处理这个问题，那就太棒了。谢谢 :D
您收到的错误是因为 Cloud Shell 不适用于计算或网络密集型进程，see Cloud Shell limitations.
我知道您想将本地计算机与 Google 云平台进行比较。如前所述 in the public docs：
"When you start Cloud Shell, it provisions a g1-small Google Compute
Engine"
A g1-small machine type 有 1.70GB RAM 和共享物理核心。请记住这一点，而且如前所述，这是有限的，您的本地计算机可能比 Cloud Shell 更强大，因此您看不到任何改进。
我建议您创建一个具有不同机器类型的 Compute Engine 实例，您可以使用自定义机器类型来设置您想要的内核数和 GB 内存。我猜您想在 Google Compute Engine 中更快地受益于 运行 您的工作负载，因此您可以选择一种在资源方面比本地机器更好的机器类型，并比较它的改进程度。
我一直在与 运行 本地机器和 Google 云平台上的深度学习代码进行比较。 该代码是关于递归神经网络的，它 运行 在本地机器上运行得非常好。 但是在 GCP 云 shell 上，当我想编译我的 python 文件时，它显示 "Killed"
userID@projectID:~$ python rnn.py
杀了
是不是我记性不好？ （因为我试图逐行 运行 ，第二次我将大数据分配给一个变量时，它卡住了。） 我的代码有点像这样
imdb = np.load('imdb_word_emb.npz')
X_train = imdb['X_train']
X_test = imdb['X_test']
第三行机器卡住显示"Killed"
我试过改变第二行和第三行的顺序，还是卡在第三行。 我的训练数据是一个 (25000,80,128) 数组。我的测试数据也是如此。该数据集在我的本地机器上运行良好。我确定这个数据集没有问题。
还是因为其他原因？ 如果知道如何解决甚至几个关键词的人告诉我如何处理这个问题，那就太棒了。谢谢 :D
您收到的错误是因为 Cloud Shell 不适用于计算或网络密集型进程，see Cloud Shell limitations.
我知道您想将本地计算机与 Google 云平台进行比较。如前所述 in the public docs：
"When you start Cloud Shell, it provisions a g1-small Google Compute Engine"
A g1-small machine type 有 1.70GB RAM 和共享物理核心。请记住这一点，而且如前所述，这是有限的，您的本地计算机可能比 Cloud Shell 更强大，因此您看不到任何改进。
我建议您创建一个具有不同机器类型的 Compute Engine 实例，您可以使用自定义机器类型来设置您想要的内核数和 GB 内存。我猜您想在 Google Compute Engine 中更快地受益于 运行 您的工作负载，因此您可以选择一种在资源方面比本地机器更好的机器类型，并比较它的改进程度。