Ubuntu đóng băng sau khi thực thi mã python trong sổ ghi chép jupyter

Tôi đã thử thực thi mã này trong windows và nó chạy hoàn hảo nhưng trong Ubuntu ngay khi tôi chạy mã này, Ubuntu bị treo trong 3-4 phút và sau đó có kết quả và sau đó Ubuntu hoạt động bị lag cho đến khi tôi khởi động lại.

nhập numpy dưới dạng np
nhập gấu trúc dưới dạng pd
từ sklearn.tiền xử lý nhập StandardScaler
từ sklearn.model_selection nhập train_test_split
từ quá trình tiền xử lý nhập khẩu sklearn
từ xgboost nhập XGBClassifier
nhập xgboost dưới dạng xgb
từ sklearn.metrics nhập precision_score

tập dữ liệu_len = 40000000
dlen = int(dataset_len/2)
X_11 = pd.Series(np.random.normal(2,2,dlen))
X_12 = pd.Series(np.random.normal(9,2,dlen))
X_1 = pd.concat([X_11, X_12]).reset_index(drop=True)
X_21 = pd.Series(np.random.normal(1,3,dlen))
X_22 = pd.Series(np.random.normal(7,3,dlen))
X_2 = pd.concat([X_21, X_22]).reset_index(drop=True)
X_31 = pd.Series(np.random.normal(3,1,dlen))
X_32 = pd.Series(np.random.normal(3,4,dlen))
X_3 = pd.concat([X_31, X_32]).reset_index(drop=True)
X_41 = pd.Series(np.random.normal(1,1,dlen))
X_42 = pd.Series(np.random.normal(5,2,dlen))
X_4 = pd.concat([X_41, X_42]).reset_index(drop=True)
Y = pd.Series(np.repeat([0,1],dlen))
df = pd.concat([X_1, X_2, X_3, X_4, Y], trục=1)
df.columns = ['X1', 'X2', 'X3', 'X_4', 'Y']
df.head()

• miễn phí -m đầu ra lệnh trước khi thực thi mã
• miễn phí -m đầu ra lệnh sau khi thực thi mã

Kết quả của miễn phí -m sau khi chạy mã cho thấy rằng bạn đã lấp đầy không gian hoán đổi của mình. Đây là xấu; hệ thống của bạn thực sự hết bộ nhớ vào thời điểm đó. Nó không thể ghi thêm bất kỳ dữ liệu nào để trao đổi và nó phải bắt đầu hủy các tiến trình để cung cấp bộ nhớ.

Windows có kích thước trao đổi động, trong đó tệp trang mở rộng khi cần. Linux có một cách tiếp cận tĩnh hơn một chút để trao đổi, trong đó nó được cố định và phân bổ trước. Điều này có thể dẫn đến hành vi mà bạn thấy, bởi vì Ubuntu bắt đầu hủy các tiến trình khi bạn hết bộ nhớ.

Bạn có thể tăng không gian trao đổi có sẵn để làm cho mọi thứ tốt hơn một chút, nhưng cuối cùng thì bạn cần thêm RAM để chạy các tính toán cần nhiều bộ nhớ.