finished with exit code -1073740791 (0xC0000409)解决方案

1.在用keras框架跑NER的train时，并且只是在用了keras_contrib.layers的CRF时出现问题：

遇到无错跳出finished with exit code -1073740791 (0xC0000409)，

 

（有其余博主说的减少batchsize的 我试过把batchsize减少为2，可是没有用）

 

2.查出是显卡内存不足的问题，解决以下（对我的有效）：

 

import os os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

 

-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

3.<原理参考>：

keras在使用GPU的时候有个特色，就是默认所有占满显存。这样若是有多个模型都须要使用GPU跑的话，那么限制是很大的，并且对于GPU也是一种浪费。所以在使用keras时须要有意识的设置运行时使用那块显卡，须要使用多少容量。

这方面的设置通常有三种状况：

1.指定显卡 2.限制GPU用量 3.即指定显卡又限制GPU用量

 

1、指定显卡

import os os.environ["CUDA_VISIBLE_DEVICES"] = "2"

这里指定了使用编号为2的GPU，你们能够根据须要和实际状况来指定使用的GPU

 

2、限制GPU用量

一、设置使用GPU的百分比

import tensorflow as tf import keras.backend.tensorflow_backend as KTF #进行配置，使用30%的GPU 
 config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 session = tf.Session(config=config) # 设置session KTF.set_session(session )

须要注意的是，虽然代码或配置层面设置了对显存占用百分比阈值，但在实际运行中若是达到了这个阈值，程序有须要的话仍是会突破这个阈值。换而言之若是跑在一个大数据集上仍是会用到更多的显存。以上的显存限制仅仅为了在跑小数据集时避免对显存的浪费而已。

二、GPU按需使用

import tensorflow as tf import keras.backend.tensorflow_backend as KTF config = tf.ConfigProto() config.gpu_options.allow_growth=True #不所有占满显存, 按需分配 
 session = tf.Session(config=config) # 设置session KTF.set_session(sess)

 

3、指定GPU而且限制GPU用量

这个比较简单，就是讲上面两种状况连上便可。。

import os import tensorflow as tf import keras.backend.tensorflow_backend as KTF # 指定第一块GPU可用 os.environ["CUDA_VISIBLE_DEVICES"] = "0" 
 config = tf.ConfigProto() config.gpu_options.allow_growth=True #不所有占满显存, 按需分配 
 sess = tf.Session(config=config) KTF.set_session(sess)

 

 

 

参考连接：

http://www.javashuo.com/article/p-opepbrlg-kt.html

https://blog.csdn.net/Jdk_yxs/article/details/84061824