使用Keras计算Shapley值时脚本中途暂停，如何使其持续运行？

一、调整Windows电源相关设置 #

• 关闭显示器睡眠：前往「控制面板\硬件和声音\电源选项\更改计划设置」，将「关闭显示器」设为「从不」——即使桌面睡眠已关闭，显示器休眠仍可能触发系统后台资源限制。
• 禁用快速启动：进入「控制面板\硬件和声音\电源选项\选择电源按钮的功能」，点击「更改当前不可用的设置」，取消勾选「启用快速启动（推荐）」后保存，避免该功能导致的系统资源调度异常。
• 优化高级电源配置：展开「PCI Express」→「链接状态电源管理」，设置为「最大性能」；展开「处理器电源管理」，将「最小处理器状态」和「最大处理器状态」均设为100%，防止CPU降频拖慢任务进程。

二、调整Anaconda提示符运行配置 #

• 以管理员身份启动：右键点击Anaconda Prompt，选择「以管理员身份运行」，避免权限不足导致进程被系统限制。
• 关闭快速编辑模式：在提示符窗口标题栏右键→「属性」→「选项」标签，取消勾选「快速编辑模式」和「插入模式」——该模式下误点窗口会暂停进程，你唤醒后点击操作恰好解除了暂停状态。

三、优化Python脚本运行逻辑 #

• 强制GPU保持活跃：在脚本开头添加代码，避免GPU进入低功耗状态：

  import tensorflow as tf
  physical_devices = tf.config.list_physical_devices('GPU')
  if physical_devices:
      tf.config.experimental.set_memory_growth(physical_devices[0], True)
  

• 添加心跳式日志输出：在批量预测循环中定期打印日志并刷新缓冲区，让系统判定进程处于活跃状态：

  import time
  import sys
  
  batch_count = 0
  for batch in data_generator:
      predictions = model.predict_on_batch(batch)
      batch_count += 1
      if batch_count % 10 == 0:
          print(f"已处理 {batch_count} 个批次，当前时间：{time.strftime('%Y-%m-%d %H:%M:%S')}")
          sys.stdout.flush()
  

四、调整Shap库运行参数 #

• 限制计算资源占用：使用Shap解释器时，避免单次计算量过大或多线程冲突：

  import shap
  explainer = shap.KernelExplainer(model.predict, background_data)
  explainer.max_evals = 100  # 根据实际需求调整，控制单样本计算量
  

内容的提问来源于stack exchange，提问作者Timo