sudo swapoff /swapfile
sudo rm  /swapfile
sudo fallocate -l 32G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

swapon -s

以上步骤使32G交换空间。然后运行你的深度学习代码。我的工作很好。
我的笔记本电脑规格是惠普430 g2 4G内存+ 500 G固态硬盘

这看起来和我在Keras的一个简单的前馈网络中使用很长的输入编码时遇到的错误一样。我一直在使用单词嵌入，没有问题，但是现在我在输入中添加了额外的特性，我得到了和你一样的错误。你需要启用更多的内存来供你的脚本使用。在kubernetes中，对我起作用的是增加pod的yml文件中的内存：

spec:
  containers:
  - name: yourname
    image: yourimage
    command: yourcommand
    args: yourargs
    resources:
      limits:
         nvidia.com/gpu: 1 # requesting 1 GPU
         memory: 100Gi

它最初是8G的，在我介绍附加功能之前就已经工作了。如果你不使用Docker和K8s，你可以在你的tensorflow会话中使用：config.gpu_options.allow_growth = True
在凯拉斯，我想那会是：

import tensorflow as tf
from keras import backend as K
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
config.log_device_placement = True
session = tf.Session(config=config)
K.set_session(session)
# do your ML task
K.get_session().close();

将batch_size减小到1可能会解决此问题。通常此错误只是一个警告，即使作业冻结，如果让它继续运行，它也可能会完成。但如果作业被终止（就像我的一样），那么你肯定需要给予它更多的内存，GPU服务器可能是一个比笔记本电脑更好的主意。您还可以确保您使用的是float32而不是float64，因为这样会使用双倍的内存。此外，据我所知，Adam优化器通常会出现此错误，因此您使用SGD的事实意味着问题可能不在优化过程中。