TensorFlow image classification tests running out of memory on Linux x64
Los mantenedores suelen responder en 2 días
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 2/5
- Tiempo estimado
- 1-3 horas
- Aptitud para principiantes
- 62/100
- Tipo de issue
- Error
- Claridad
- Bien especificado
- Estado de actividad
- Activo
- Stack tecnológico
- csharp, linux, tensorflow
- Área
- machine-learning, testing
Línea de trabajo
Empieza por los seis métodos de entrenamiento de clasificación de imágenes de TensorFlow y sus atributos de prueba en el proyecto de pruebas de TensorFlow. Después, comprueba cómo se aplican las condiciones de plataforma y configuración de compilación a las pruebas cercanas. Aísla los métodos de entrenamiento como grupo para las ejecuciones locales en Linux x64 y para las configuraciones Debug y Release, conservando las demás pruebas y plataformas de TensorFlow. La tarea está terminada cuando los casos de entrenamiento especificados se omiten en Linux x64 y las demás pruebas siguen habilitadas.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
System Information (please complete the following information):
- OS & Version: Ubuntu 22.04 and CentOS Stream 9 x64 Helix containers.
- ML.NET Version: PR #7833, commit
100af589f. - .NET Version: .NET 8, Debug and Release.
Describe the bug
Accurate native-library detection enables previously skipped TensorFlow tests. The process exits with code 137 during TensorFlowImageClassificationWithExponentialLRScheduling in Release and TensorFlowImageClassificationBadImages in Debug. Debug logs report peak memory up to 7.2 GB. An OOM kill is suspected, not kernel-confirmed.
Screenshots, Code, Sample Projects
Ubuntu Debug log · Ubuntu Release log
Additional context
Temporarily quarantine the six image-classification training methods (10 test cases) as a group on Linux x64, including local runs and both build configurations. This covers default training, architecture variants, learning-rate scheduling, early stopping, and bad images. Keep non-training TensorFlow tests and other platforms enabled.
Reproduced outside Helix in Ubuntu 22.04 WSL x64 with the original Release binaries, .NET 8.0.16 and two CPUs: at a 16 GiB limit, 36 tests passed with 2 existing skips (peak RSS about 14.2 GiB). At an experimental 8 GiB limit, the kernel OOM-killed dotnet during BadImages. This does not establish the actual Helix memory limit. Memory retention across tests may contribute, so individual skips may only move the failure later.
The two initial skips were honored, but build 1643911 was killed later in TensorFlowImageClassification or TensorFlowImageClassificationEarlyStopping (Ubuntu Release log). The latest payload also OOM-kills at 8 GiB in WSL. Enabling the existing per-test GC option did not prevent the OOM, so that experiment was reverted.
With the training-group quarantine, the same 8 GiB WSL reproduction completes successfully: 26 passed and 8 reported skips (6 training methods plus 2 existing model-unavailable skips), with peak RSS about 1.26 GiB. The two quarantined theories cover multiple data rows. Linux CI still needs to rerun; this is a temporary coverage reduction, not a fix for the memory retention.
- Lenguaje dominante
- C#
- Estrellas
- 9.4k
- Forks
- 2k
- Merge medio
- 2 d 14 h
- PR fusionados (30 d)
- 50
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de dotnet/machinelearning
-
area-AutoML untriaged
Dificultad 1/5 Menos de una hora Aptitud para principiantes 90/100
dotnet/machinelearning#7839 ·
Los mantenedores suelen responder en 2 días
-
area-Native untriaged
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
dotnet/machinelearning#7837 ·
Los mantenedores suelen responder en 2 días
-
ToArrowRecordBatches accumulates arrays from previous batches, producing invalid record batchesAbiertoarea-DataFrame bug untriaged
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
dotnet/machinelearning#7799 ·
Los mantenedores suelen responder en 2 días
-
LlamaTokenizer encodes some runs of repeated characters differently from SentencePiecePosiblemente ocupada @Laurianti la tomó hace 21 días. Abiertountriaged
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
dotnet/machinelearning#7751 · 1 comentario ·
Los mantenedores suelen responder en 2 días
-
BertTokenizer merges words separated only by `\n`, `\t` or `\r`Posiblemente ocupada @rosebyte la tomó hace 30 días. Abiertoarea-Tokenizers green
Dificultad 2/5 1-3 horas Aptitud para principiantes 85/100
dotnet/machinelearning#7724 · 3 comentarios · 1 asignado ·
Los mantenedores suelen responder en 2 días
Todos los issues de dotnet/machinelearning
Issues similares
-
feature-request
Dificultad 2/5 1-3 horas Aptitud para principiantes 77/100
stripe/stripe-dotnet#3484 ·
Los mantenedores suelen responder en 2 días
-
bug mcp misleading small
Dificultad 2/5 1-3 horas Aptitud para principiantes 77/100
Los mantenedores suelen responder en 1 día
-
accessibility help wanted macos
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
dorlugasigal/annotator#42 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
AvaloniaUI/Avalonia#22568 ·
Los mantenedores suelen responder en 2 días
-
[bug] 截图失败日志冲爆硬盘Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 63/100
babalae/better-genshin-impact#3846 · 2 comentarios ·
Los mantenedores suelen responder en 2 días