解決済質問受付終了しました

Tensorflowのデモの
MNISTの手書き文字の認識精度を99%以上にするために
深層学習を行うようなプログラムを組みますが、
途中で全く動かなくなります。

SWAPメモリーが関係しているようで、
途中から一気にスピードが落ちて、
そこから動かない状態のままです。

そこで、SWAPメモリーを0に設定して試すと、
メモリーを半分も使っていないのに、
Karnel Died
と出て、動作を行えなくなってしまっています。

構成は、
Xeon E3110 3.00GHz
メモリ 8GB(DDR2-667 2GBx4)
OS Ubuntu 15.04
Python 3.5.2
です。

python
1import tensorflow as tf
2import datetime
3from tensorflow.examples.tutorials.mnist import input_data
4mnist = input_data.read_data_sets("MNIST_data/" , one_hot=True)
5
6# セッションを開始
7sess = tf.InteractiveSession()
8x = tf.placeholder(tf.float32, shape=[None, 784]) # 画像データの入力用
9y_ = tf.placeholder(tf.float32, shape=[None, 10]) # 正解ラベルの入力用
10
11# 多層畳み込みニューラルネットワークの構築 
12# 重みを初期化
13def weight_variable(shape):
14    initial = tf.truncated_normal(shape, stddev=0.1)
15    return tf.Variable(initial)
16# バイアスを初期化
17def bias_variable(shape):
18    initial = tf.constant(0.1, shape=shape)
19    return tf.Variable(initial)
20# 畳込みを行う関数
21def conv2d(x, W):
22    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')
23# 最大プーリングを行う関数
24def max_pool_2x2(x):
25    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
26                          strides=[1, 2, 2, 1], padding='SAME')
27
28start = datetime.datetime.now()
29
30# 各レイヤーを定義 
31# 畳み込み層1 (5x5パッチで8の特徴を計算)
32W_conv1 = weight_variable([5, 5, 1, 32])
33b_conv1 = bias_variable([32])
34x_image = tf.reshape(x, [-1, 28, 28, 1])
35h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
36# プーリング層2
37h_pool1 = max_pool_2x2(h_conv1)
38
39# 畳み込み層2 (5x5パッチで16の特徴を計算)
40W_conv2 = weight_variable([5, 5, 32, 64])
41b_conv2 = bias_variable([64])
42h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
43# プーリング層2
44h_pool2 = max_pool_2x2(h_conv2)
45
46# 全結合層
47W_fc1 = weight_variable([7 * 7 * 64, 1024])
48b_fc1 = bias_variable([1024])
49h_pool2_flat = tf.reshape(h_pool2, [-1, 7 * 7 * 64])
50h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
51
52# ドロップアウト(過剰適合)を排除する
53keep_prob = tf.placeholder(tf.float32)
54h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
55
56# 読み出しレイヤー
57W_fc2 = weight_variable([1024, 10])
58b_fc2 = bias_variable([10])
59y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
60
61end2 = start
62
63# モデルの学習と評価 
64cross_entropy = -tf.reduce_sum(y_ * tf.log(y_conv))
65train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
66correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1))
67accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
68sess.run(tf.initialize_all_variables())
69summary = tf.train.SummaryWriter('./log' , sess.graph)
70
71for i in range(50):
72    batch = mnist.train.next_batch(20)
73    if i % 10 == 0:
74        train_accuracy = accuracy.eval(feed_dict={
75            x: batch[0], y_: batch[1], keep_prob: 1.0})
76        print("step {0}, training accuracy {1}".format(i, train_accuracy))
77        
78        end=datetime.datetime.now()
79        print(end-end2)
80        end2 = end
81        
82    train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
83        
84
85# 結果表示
86r = accuracy.eval(feed_dict={
87    x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0})
88print(r)
89