您的 session 在使用 Google Collab 中的所有可用 RAM 后崩溃

Question

我有 6 个大数据 tsv 文件，我正在将它们读入 Google Collab 中的数据帧。 但是，文件太大，Google Colab 无法处理。

#Crew data
downloaded = drive.CreateFile({'id':'16'}) 
downloaded.GetContentFile('title.crew.tsv') 
df_crew = pd.read_csv('title.crew.tsv',header=None,sep='\t',dtype='unicode')

#Ratings data
downloaded = drive.CreateFile({'id':'15'}) 
downloaded.GetContentFile('title.ratings.tsv') 
df_ratings = pd.read_csv('title.ratings.tsv',header=None,sep='\t',dtype='unicode')


#Episode data
downloaded = drive.CreateFile({'id':'14'}) 
downloaded.GetContentFile('title.episode.tsv') 
df_episode = pd.read_csv('title.episode.tsv',header=None,sep='\t',dtype='unicode')

#Name Basics data
downloaded = drive.CreateFile({'id':'13'}) 
downloaded.GetContentFile('name.basics.tsv') 
df_name = pd.read_csv('name.basics.tsv',header=None,sep='\t',dtype='unicode')

#Principals data
downloaded = drive.CreateFile({'id':'12'}) 
downloaded.GetContentFile('title.pricipals.tsv') 
df_principals = pd.read_csv('title.pricipals.tsv',header=None,sep='\t',dtype='unicode')

#Title Basics data
downloaded = drive.CreateFile({'id':'11'}) 
downloaded.GetContentFile('title.basics.tsv') 
df_title = pd.read_csv('title.basics.tsv',header=None,sep='\t',dtype='unicode')

错误：您的 session 在使用所有可用 RAM 后崩溃。 运行时日志是这样说的：

Google Collab 如何更好地处理 Ram？ 我所有的 tsv 文件加起来有 2,800 MB。 请指教！

Answer 1

如果有人在使用任何 neural.network model。没有 google pro 帐户的 google-colab 中提供的 RAM 约为 12GB。 由于某些神经 model 的资源不足，这可能会导致 session 崩溃。您可以将训练和测试数据集减少一定数量，然后重新检查 model 的工作情况。它可能运行良好。

可以打乱数据集并使用比原始数据集少的数据集。

Answer 2

最简单的方法是只在您使用数据时使用它并从内存中删除它。 这可以有力地通过使垃圾收集器释放进行（见线程这里[https://stackoverflow.com/questions/1316767/how-can-i-explicitly-free-memory-in-python]） 1

如果你想在 Colab 中扩展你的 RAM，曾经有一个黑客故意让它耗尽 RAM，然后它会为你提供更高的 RAM 运行时间。 也可以使用 Colab pro 在运行时 -> 更改运行时类型下选择此选项。 每月 10 美元，Colab pro 很可能是您的不错选择。

我在这里看到了这个 hack ，但简而言之，只是在 while 循环中将一些内容附加到数组中，直到 RAM 耗尽。

a = []
while 1:
    a.append("1")

Answer 3

Google colab 通常提供 12 GB 的免费内存，但我们可以通过向 google 支付任何费用来增加它。

只需编写三行代码，您就可以将 Ram 从 12GB 增加到 25GB

a = [ ] while(1): a.append('1')

试试这个它可能会有所帮助。