Colaboratory训练至26%自动断开，重连时电脑崩溃求助

嘿，看了你的问题和代码，大概率是资源配置和训练逻辑的问题导致的，我给你拆解下解决方案：

一、先解决核心的GPU禁用问题（这是断开的主要原因） #

你代码里写了config = tf.ConfigProto(device_count={'gpu':0})，这等于直接把GPU给禁用了！完全靠CPU跑深度学习模型，到26%的时候CPU负载直接拉满，Colab服务器扛不住就断开了，而你本地重连时，浏览器要处理一堆未释放的资源，直接就死机了。

赶紧把GPU配置改成启用的版本：

# 替换原来的config配置
config = tf.ConfigProto()
config.gpu_options.allow_growth = True  # 按需分配显存，避免一下子占满GPU
sess = tf.InteractiveSession(config=config)

另外别忘了在Colab顶部点「代码执行程序」→「更改运行时类型」，确认硬件加速器选的是GPU，选CPU的话不仅慢，还容易过载。

二、优化训练循环，减少资源浪费 #

1. 换掉tqdm_notebook
   现在Colab对tqdm_notebook的兼容性不太好，多余的notebook进度条输出会占额外内存，改成原生tqdm就行：

from tqdm import tqdm  # 替换原来的tqdm_notebook导入
# 循环部分改成这样
for iteration in tqdm(range(ITERS), desc='generate and discriminate'):

2. 删掉没用的time.sleep(0.01)
   这行代码会让每次迭代都卡0.01秒，纯纯浪费时间，还增加训练总时长，更容易触发Colab的闲置检测，直接删掉就好。

3. 提前打包批量数据
   你现在每次迭代都手动切片数据，重复计算num = iteration%(train_vis.shape[0]//BATCH_SIZE)，会额外占用CPU资源，不如提前把数据打包好：

# 提前生成所有批量数据，循环里直接用
batches = []
num_batches = train_vis.shape[0] // BATCH_SIZE
for num in range(num_batches):
    # 提前做好维度扩展，不用每次循环都重复做
    batch_IR = np.expand_dims(train_ir[num*BATCH_SIZE:(num+1)*BATCH_SIZE,:,:], axis=-1)
    batch_VI = np.expand_dims(train_vis[num*BATCH_SIZE:(num+1)*BATCH_SIZE,:,:], axis=-1)
    batches.append((batch_IR, batch_VI))

# 训练循环里直接取批量
for iteration in tqdm(range(ITERS), desc='generate and discriminate'):
    start_time = time.time()
    num = iteration % num_batches
    data_IR, data_VI = batches[num]
    feed_dict={real_data1_int:data_IR, real_data2_int:data_VI}
    # 后面的训练代码不变

这样提前预处理，循环里就不用重复做切片和维度扩展了，能省不少CPU资源。

三、避免Colab断开的小技巧 #

• 训练时别把浏览器最小化太久，Colab会检测页面活跃度，长时间后台容易被断开。
• 如果训练时间特别长，可以在浏览器控制台跑个小脚本，模拟页面交互：
  按F12打开开发者工具，切换到Console标签，输入这段代码：

function keepAlive() {
    console.log("保持连接中...");
    document.querySelector("colab-toolbar-button#connect").click();
}
setInterval(keepAlive, 60000);  // 每分钟点一次连接按钮

不过别滥用哦，Colab有资源使用限制，过度占用可能会被限流。

四、解决本地重连死机的问题 #

Colab断开后，别直接点重连，先关掉Colab的标签页，清理下浏览器缓存（按Ctrl+Shift+Delete），然后重启浏览器再打开Colab，这样能避免浏览器因为堆积的资源卡死。

内容的提问来源于stack exchange，提问作者shmilycy