Keras分段故障（核心轉儲）

Question

我試圖在Theano 0.8.2（python 2.7）上訓練Keras 1.2.2上的卷積神經網絡。 我能夠導入keras和theano而不會出錯。

該錯誤僅在運行以下代碼后大約2-5分鍾后發生。

#Prepare images etc.

model = Sequential()

model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1],
                        border_mode='valid',
                        input_shape=input_shape))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1]))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=pool_size))
model.add(Dropout(0.25))

model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1]))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=pool_size))
model.add(Dropout(0.25))

model.add(Convolution2D(nb_filters * 2, kernel_size[0], kernel_size[1]))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=pool_size))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(128))
model.add(Dense(64))
model.add(Dense(nb_classes))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer='adadelta',
              metrics=['accuracy'])

model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
          verbose=1, validation_data=(X_test, Y_test))

score = model.evaluate(X_test, Y_test, verbose=0)
print('Test score:', score[0])
print('Test accuracy:', score[1])

這會創建以下輸出：

X_train shape: (984, 1, 1000, 1000)
984 train samples
246 test samples
Train on 984 samples, validate on 246 samples
Epoch 1/4
[1]+  Segmentation fault      (core dumped)

所以似乎模型已經編譯並且培訓已經開始。 我之前能夠用較小的圖像訓練模型（形狀：（400,1,500,500）。可以改變訓練圖像的數量及其大小導致錯誤嗎？我也嘗試將Keras更新為2.0，將Theano更新為目前的開發版本，但它沒有幫助。

有什么建議么？

Answer 1

如果錯誤地運行K.clearsession（），則可能會出現分段錯誤。 這是因為每個神經網絡圖都保存在默認會話中，當您清除會話時，圖形將從內存中刪除。 將K.clearsession（）放在代碼頂部是很聰明的（特別是如果你使用的是jupyter），因為它會清除內存中保存的任何圖形。

如果你的代碼中有這個，請嘗試刪除它！ 祝好運！