滯後系統或TensorFlow中可能的錯誤？

Question

我目前正在研究TensorFlow（CPU版本）中的RnD，但無法確定我的系統在大型數據集上進行培訓的基本要求，或者我可能偶然發現了TensorFlow庫中可能存在的錯誤。

Official TensorFlow documentation，沒有建議系統建立和運行TensorFlow程序的任何具體要求。根據我的理解，如果可以在Windows，Linux，Mac以及Android，iOS以及RaspberryPi等嵌入式系統上運行，我想應該不會有這樣的硬件要求。然而，在初始研究過程中，我嘗試運行TensorFlow Seq2Seq模型（將英文翻譯成法文https://www.tensorflow.org/tutorials/seq2seq），其中訓練和測試數據集最初需要大約7-8 GB的磁盤空間，並且最初需要20-22Gb總體來說。一旦執行了translate.py python腳本，它最終會阻塞內存並將磁盤利用率分別推高到98％和100％。我現在的系統運行Windows 8.1 64位操作系統，酷睿i5 5200U的時鐘頻率爲2.2 GHz，8GB RAM和HDD上約70GB的可用空間（專門分配給TensorFlow使用）。但即使允許我的系統運行7-8小時（沒有其他應用程序正在運行），它仍會卡住多次，通常在標記數據集後內存使用率達到100％左右。

雖然我不確定，但我想TensorFlow學習圖形是在RAM內部創建的，一旦它擴展到所有內存空間，程序就會以無限循環結束，等待內存清空，然後增加學習圖。

所以整個演習到3個問題：

1. 不TensorFlow使用RAM建築和保存學習圖形？如果是這樣，是否有可能以類似的方式窒息？
2. 從業務角度來看，培訓這樣的系統是否存在最低硬件要求？
3. 如果不是系統要求，這可能是TensorFlow庫中的一個可能的錯誤，它將它推入一個無休止的循環，等待內存被清除？

更新

運行python腳本連續超過30小時後，該進程似乎已經停留在過去的14個小時的位置，同時「閱讀的發展和培訓數據」。請參考下進一步調查圖像：當我正要關閉程序

Answer 1

，同樣又開始響應，我等了15-20分鐘，最後我從答案OS本身。這確實是導致問題的低RAM。附加內存不足的系統的Windows警報的屏幕抓取以供參考，以防任何人陷入相同的情況。

UPDATE

我試圖採取在谷歌雲平臺虛擬機實例。這臺機器有2個Intel Xeon（R），每個運行在2.23GHZ，有13GB RAM和50GB存儲空間。但即使應用程序使用了超過10.5 GB的RAM，結果也是如此。看起來像這個教程腳本需要一個非常強大的系統，可能是一臺配備至少32 GB RAM的超級計算機，可以完全運行和執行。我可能會考慮現在編寫/安排我自己的數據集。但是，這必須被視爲將來的增強，以便使用永久存儲（HDD/SSD）創建圖形而不是RAM，以避免內存堵塞。