Google Colab训练模型时Runtime崩溃，求问题排查与解决建议

你的Runtime崩溃完全是因为batch_size设置过大——你把batch_size设为10000，意味着要一次性把10000张图片全部加载到GPU显存中，这远远超出了Colab GPU的内存上限（通常为16GB左右），直接导致显存溢出触发崩溃。

给你几个可行的解决办法：

• 优先调小batch_size，用深度学习训练的常规值，比如32、64或128。修改后的代码示例：
  hist = model.fit(np.array(train_x_subset), np.array(train_y_subset), batch_size=64, epochs=15, verbose=2)
• 不要一次性把整个数据集转成np.array传入fit，改用TensorFlow的Dataset API实现分批加载，减少内存占用：

import tensorflow as tf
train_dataset = tf.data.Dataset.from_tensor_slices((train_x_subset, train_y_subset)).batch(64)
hist = model.fit(train_dataset, epochs=15, verbose=2)

• 如果调整batch size后还是崩溃，检查图片分辨率是否过高，可通过缩小图片尺寸进一步降低显存消耗。

内容的提问来源于stack exchange，提问作者Bionix1441