Nuestro grupo redactor ha estado horas buscando para darle resolución a tus búsquedas, te compartimos la soluciones así que nuestro deseo es serte de gran ayuda.
Solución:
Enfrentó exactamente el mismo problema mientras leía cerca de 5000 imágenes como un numpy array en una laptop de 8 gigas RAM, para un proyecto de Machine learning. Después de hacer un poco de matemáticas con la resolución de mis imágenes, el tamaño de un numpy respectivo array, pensé que 8 gigas de RAM no son suficientes para manejar las imágenes. Después de mucha investigación en la red, que involucró sugerencias como actualizar CUDA, cuDNN, degradar TensorFlow (se enfrentaron al mismo error al importar los módulos/paquetes relevantes), actualice numpy a la última versión y actualice Intel Math Kernel Version (comando : “conda install -c intel mkl”) (un día completo de investigación). La solución que me funcionó fue ejecutar el proceso de entrenamiento del modelo en Google Colab.
Ahora, volviendo a su pregunta: El diálogo mostrado: “El kernel parece haber muerto. Se reiniciará automáticamente”. no es un “error” per se. Es más como “Jupyter Notebook ayudándose a sí mismo” borrando todas las variables y reiniciando el kernel. Es Jupyter Notebook enviando una señal de SOS y recibiendo ayuda de sí mismo para que no se bloquee. De lo contrario, el Jupyter Notebook reiniciado no tendría los cambios no guardados. (Bueno, se guarda automáticamente, pero no “punto de control automático”)
Esta “respuesta” de Jupyter Notebook se debe simplemente a que se alcanza la capacidad máxima de RAM de su computadora portátil. – Este es el “error subyacente” (respuesta). Esto desasignará los recursos, permitiéndole reiniciar el programa. ¿Recuerdas que tu computadora se cuelga cuando abres demasiadas pestañas de Chrome? o ejecutar un programa que tiene demasiados valores de variables para ser almacenados (como en mi caso de 5000 imágenes)? Esta podría haber sido la respuesta alternativa de Jupyter Notebook cuando la capacidad de RAM se utiliza por completo. Colgando. O estrellarse.
Pero en cambio, los desarrolladores han tenido la amabilidad de permitir que se cuide solo.
Nota 1: al ejecutar el mismo código que el script .py, los errores serán más detallados.
Nota 2: si usa CUDA, recuerde que Jupyter Notebook no puede desasignar los recursos de CUDA incluso cuando finaliza la sesión. Así que esta podría ser la razón por la que se reinicia.
Sección de Reseñas y Valoraciones
Si para ti ha sido de provecho nuestro artículo, sería de mucha ayuda si lo compartieras con otros programadores de este modo contrubuyes a extender nuestro contenido.