在尝试调整我在Google Cloud 平台上安装的Tesla K80上的推荐引擎时，我做了一个非常有趣的观察 . 不幸的是，我找不到任何可能指向正确方向的文献是不成功的 . 这是我的困境......
我使用python脚本和jupyter笔记本运行相同的代码来安装完全连接的模型 . 令人惊讶的是，使用相同的超参数（批量大小等），代码运行速度更快，使用jupyter笔记本内核并且在GPU上使用的内存比使用从shell调用的python代码调整模型时更多 .
因为，我希望我的代码能够在最短的时间内运行，并且因为Web套接字超时而无人值守，jupyter经常会关闭连接，有没有什么办法可以增加python进程在GPU上可以使用的内存量？打开任何交替的方式来完成这项工作 . 提前致谢 .