1.在用keras框架跑NER的train时，而且只是在用了keras_contrib.layers的CRF时出现问题：
遇到无错跳出finished with exit code -1073740791 (0xC0000409)，
（有其他博主说的减小batchsize的 我试过把batchsize减小为2，但是没有用）
2.查出是显卡内存不足的问题，解决如下（对个人有效）：
import os os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
（本人pc上并未安装cuda等GPU所需要的包，猜想这句话应该是默认用cpu）
----------------------------------------------------------------------------------------------------------------
3.<原理参考>：
keras在使用GPU的时候有个特点，就是默认全部占满显存。这样如果有多个模型都需要使用GPU跑的话，那么限制是很大的，而且对于GPU也是一种浪费。因此在使用keras时需要有意识的设置运行时使用那块显卡，需要使用多少容量。
这方面的设置一般有三种情况：
1.指定显卡 2.限制GPU用量 3.即指定显卡又限制GPU用量
一、指定显卡
import os os.environ["CUDA_VISIBLE_DEVICES"] = "2"
这里指定了使用编号为2的GPU，大家可以根据需要和实际情况来指定使用的GPU
二、限制GPU用量
1、设置使用GPU的百分比
import tensorflow as tf import keras.backend.tensorflow_backend as KTF #进行配置，使用30%的GPU
config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.3 session = tf.Session(config=config) # 设置session KTF.set_session(session )
需要注意的是，虽然代码或配置层面设置了对显存占用百分比阈值，但在实际运行中如果达到了这个阈值，程序有需要的话还是会突破这个阈值。换而言之如果跑在一个大数据集上还是会用到更多的显存。以上的显存限制仅仅为了在跑小数据集时避免对显存的浪费而已。
2、GPU按需使用
import tensorflow as tf import keras.backend.tensorflow_backend as KTF config = tf.ConfigProto() config.gpu_options.allow_growth=True #不全部占满显存, 按需分配
session = tf.Session(config=config) # 设置session KTF.set_session(sess)
三、指定GPU并且限制GPU用量
这个比较简单，就是讲上面两种情况连上即可。。
import os import tensorflow as tf import keras.backend.tensorflow_backend as KTF # 指定第一块GPU可用 os.environ["CUDA_VISIBLE_DEVICES"] = "0"
config = tf.ConfigProto() config.gpu_options.allow_growth=True #不全部占满显存, 按需分配
sess = tf.Session(config=config) KTF.set_session(sess)
参考链接：