应用错误收集

如何在Google Cloud ML Engine上使用TCMalloc？或者除了TCMalloc之外，还有其他方法可以解决ML Engine上的内存泄漏问题吗？

最终图表似乎没有帮助。

内存利用率图：

训练73个时期后，我出现了内存错误。以下是培训日志的一部分：

11：26：33.707   工作失败了。

11：26：20.949   完成拆除TensorFlow。

11：25：18.568   副本主机0运行内存不足并以非零状态247退出。要了解有关您的作业退出原因的更多信息，请查看日志

11：25：07.785   清理完毕。

11：25：07.785   模块完成;清理。

11：25：07.783   模块引发了一个异常，因为没有调用子进程命令＆＃39; [＆＃39; python＆＃39; - ＆＃39; -m＆＃39;，u＆＃39; trainer.main＆＃39;，u＆＃39; --data = gs：//＆＃39;，u＆＃39; --train_log_dir = gs：// tfoutput / joboutput＆＃39;，u＆＃39; - model = trainer.crisp_model＆＃39;，u＆＃39; ; - num_threads = 32＆＃39;，u＆＃39; - memory_usage = 0.8＆＃39;，u＆＃39; - max_out_norm = 1＆＃39;，u＆＃39; - train_batch_size = 64＆＃39;，你＆＃39; - sample_size = 112＆＃39;，你＆＃39; - num_gpus = 4＆＃39;，你＆＃39; - allow_growth = True＆＃39;，你＆＃39; - weight_loss_by_train_size = True＆＃39; ;，u＆＃39; -x＆＃39;，返回非零退出状态-9。

11：23：08.853   PNG警告：扩展块时超出大小限制

11：18：18.474   时代58.0：准确度= 0.9109

11：17：14.851   2017-05-17 10：17：14.851024：纪元58，损失= 0.12，lr = 0.085500（228.9例/秒; 0.280秒/批）

11：15：39.532   PNG警告：扩展块时超出大小限制

11：10：23.855   PoolAllocator：在372618242获取请求后，put_count = 372618151 evicted_count = 475000 eviction_rate = 0.00127476且不满意的分配率= 0.00127518

11：05：32.928   PNG警告：扩展块时超出大小限制

10：59：26.006   时代57.0：准确度= 0.8868

10：58：24.117   2017-05-17 09：58：24.117444：纪元57，损失= 0.23，lr = 0.085750（282.2例/秒; 0.227秒/批）

10：54：37.440   PNG警告：扩展块时超出大小限制

10：53：30.323   PoolAllocator：在366350973获取请求后，put_count = 366350992 evicted_count = 465000 eviction_rate = 0.00126927且不满意的分配率= 0.0012694

10：51：51.417   PNG警告：扩展块时超出大小限制

10：40：43.811   时代56.0：准确度= 0.7897

10：39：41.308   2017-05-17 09：39：41.308624：纪元56，损失= 0.06，lr = 0.086000（273.8例/秒; 0.234秒/批）

10：38：14.522   PoolAllocator：在360630699获取请求后，put_count = 360630659 evicted_count = 455000 eviction_rate = 0.00126168且不满意的分配率= 0.00126197

10：36：10.480   PNG警告：扩展块时超出大小限制

10：21：50.715   时代55.0：准确度= 0.9175

10：20：51.801   PoolAllocator：在354197216获取请求后，put_count = 354197255 evicted_count = 445000 eviction_rate = 0.00125636且不满意的分配率= 0.00125644

10：20：49.815   2017-05-17 09：20：49.815251：纪元55，损失= 0.25，lr = 0.086250（285.6例/秒; 0.224秒/批）

10：02：56.637   时代54.0：准确度= 0.9191

10：01：57.367   2017-05-17 09：01：57.367369：纪元54，损失= 0.09，lr = 0.086500（256.5例/秒; 0.249秒/批）

10：01：42.365   PoolAllocator：在347107694获取请求后，put_count = 347107646 evicted_count = 435000 eviction_rate = 0.00125321且不满意的分配率= 0.00125354

09：45：56.116   PNG警告：扩展块时超出大小限制

09：44：12.698   时代53.0：准确度= 0.9039

09：43：09.888   2017-05-17 08：43：09.888202：纪元53，损失= 0.10，lr = 0.086750（307.0例/秒; 0.208秒/批）

09：41：48.672   PoolAllocator：在339747205获取请求后，put_count = 339747210 evicted_count = 425000 eviction_rate = 0.00125093且未满足的分配率= 0.00125111

09：36：14.085   PNG警告：扩展块时超出大小限制

09：35：11.686   PNG警告：扩展块时超出大小限制

09：34：45.011   PNG警告：扩展块时超出大小限制

09：31：03.212   PNG警告：扩展块时超出大小限制

09：28：40.116   PoolAllocator：在335014430获取请求后，put_count = 335014342 evicted_count = 415000 eviction_rate = 0.00123875且不满意的分配率= 0.00123921

09：27：38.374   PNG警告：扩展块时超出大小限制

09：25：23.913   PNG警告：扩展块时超出大小限制

09：25：16.065   时代52.0：准确度= 0.9313

09：24：16.963   2017-05-17 08：24：16.962930：纪元52，损失= 0.11，lr = 0.087000（278.7例/秒; 0.230秒/批）

09：17：48.417   PNG警告：扩展块时超出大小限制

09：13：34.740   PoolAllocator：在329380055获取请求后，put_count = 329379978 evicted_count = 405000 eviction_rate = 0.00122958且不满意的分配率= 0.00123001

09：06：09.948   更新纪元51.0：准确度= 0.9357

09：06：09.948   时代51.0：准确度= 0.9357

09：05：09.575   2017-05-17 08：05：09.575641：纪元51，损失= 0.11，lr = 0.087250（248.4例/秒; 0.258秒/批）

08：59：17.735   PNG警告：扩展块时超出大小限制

08：55：58.605   PoolAllocator：在322904781获取请求后，put_count = 322904714 evicted_count = 395000 eviction_rate = 0.00122327且不满意的分配率= 0.00122368

08：48：46.322   PNG警告：扩展块时超出大小限制

08：47：27.936   时代50.0：准确度= 0.9197

08：46：29.370   2017-05-17 07：46：29.370135：纪元50，损失= 0.20，lr = 0.087500（253.2例/秒; 0.253秒/批）

我已尝试使用TCMalloc在我的本地计算机上进行培训，但仍有内存泄漏但不使用它。

如何在Google Cloud ML Engine

1 个答案: