我正在ML引擎上训练自定义的tensorflow估计器，并遇到此错误：
The replica master 0 exited with a non-zero status of 11(SIGSEGV)
，唯一的其他错误日志是：
Command '['python3', '-m', 'train_model.train', ... ']' returned non-zero exit status -11
不再有回溯，因此我只需要继续执行此“无效的内存引用或分段错误code”。
此SIGSEGV错误并不总是发生。一些培训作业运行没有问题，另一些则在4小时后引发此错误，而另一些则在15分钟后发生。
我对估算器培训代码的各个部分进行了尝试，尝试尝试并尝试错误的寻找原因的方法，但是没有成功。
我认为11代码可能与Google API中的this error code相对应，并在使用自定义指标时发现了number of people have experienced OutOfSequence和OutOfRange错误估算器EvalSpec，但我认为这不是导致错误的原因，因为我使用的是tf.metric。
我正在使用BASIC标度层，查看CPU利用率，它从未超过80％，并且内存利用率图显示了大约25％。
我正在缓存tensorflow数据集，但是当我不缓存数据集时也会收到此错误。运行train_and_evaluate方法和train方法时都会发生错误。
对于在培训工作中如何跟踪此崩溃的路线原因，是否有任何建议？或导致崩溃的一些常见原因是什么？解决方案是否只是使用更大的内存计算机？