Python C 扩展中的内存泄漏

Question

这是我第一次为 python 编写 C 扩展，你可以看到我丑陋且可能超级低效的卷积 C++ 实现。我的内存管理有问题。每次我在 python 中调用这个函数时，它都会消耗大约 500MB 的内存（对于大小为 100x112x112x3 的批次和大小为 3x3x3x64 的内核），并且之后不会释放它。即使这不是类方法，我是否必须注意引用计数？或者我是否必须在代码中的某个位置手动释放内存？请注意，为了更好地概览，我排除了所有错误检查。谢谢。

PyObject* conv2d(PyObject*, PyObject* args)

{
    PyObject* data;
    PyObject* shape;
    PyObject* kernel;
    PyObject* k_shape;
    int stride;

    PyArg_ParseTuple(args, "OOOOi", &data, &shape, &kernel, &k_shape, &stride);

    Py_ssize_t dims = PyTuple_Size(shape);
    Py_ssize_t kernel_dims = PyTuple_Size(k_shape);

    int shape_c[3];
    int k_shape_c[4];

    for (int i = 0; i < kernel_dims; i++)
    {
        if (i < dims)
        {
            shape_c[i] = PyLong_AsLong(PyTuple_GetItem(shape, i));
        }
        k_shape_c[i] = PyLong_AsLong(PyTuple_GetItem(k_shape, i));
    }

    PyObject* data_item, kernel_item;
    PyObject* ret_array = PyList_New(0);
    double conv_val, channel_sum;

    for (int oc = 0; oc < k_shape_c[3]; oc++)
    {
        for (int row = 0; row < shape_c[0]; row += stride)
        {
            for (int col = 0; col < shape_c[1]; col += stride)
            {
                channel_sum = 0;
                for (int ic = 0; ic < shape_c[2]; ic++)
                {
                    conv_val = 0;
                    for (int k_row = 0; k_row < k_shape_c[0]; k_row++)
                    {
                        for (int k_col = 0; k_col < k_shape_c[1]; k_col++)
                        {
                            data_item = PyList_GetItem(data, row + k_row);
                            if (!data_item)
                            {
                                PyErr_Format(PyExc_IndexError, "Index out of bounds");
                                return NULL;
                            }
                            data_item = PyList_GetItem(data_item, col + k_col);
                            data_item = PyList_GetItem(data_item, ic);
                            kernel_item = PyList_GetItem(kernel, k_row);
                            kernel_item = PyList_GetItem(kernel_item, k_col);
                            kernel_item = PyList_GetItem(kernel_item, ic);
                            kernel_item = PyList_GetItem(kernel_item, oc);
                            conv_val += PyFloat_AsDouble(data_item) * PyFloat_AsDouble(kernel_item);
                        }
                    }
                    channel_sum += conv_val;
                }
                PyList_Append(ret_array, PyFloat_FromDouble(channel_sum));
            }
        }
    }
    return ret_array;
}

Answer 1

泄漏来自：

PyList_Append(ret_array, PyFloat_FromDouble(channel_sum));

PyFloat_FromDouble创建一个新的引用，PyList_Append获取该引用的共享所有权（它不会窃取/消耗该引用）。当使用PyList_Append并且您希望list获得您自己的引用的所有权时，您必须在附加后显式释放您的引用，例如（省略错误检查）：

PyObject *pychannel_sum = PyFloat_FromDouble(channel_sum);
PyList_Append(ret_array, pychannel_sum);
Py_DECREF(pychannel_sum);

另一种（如果合适的话速度更快）解决方案是将 预分配到正确的大小，并用/list填充条目，这两者都会窃取引用，而不是增加引用计数。一般来说，没有明确提及引用窃取的 API 不会，并且您需要监管自己的引用计数。PyList_SetItemPyList_SET_ITEM

请注意，就内存而言，单个s 比 C s（它们包装的）PyFloat要昂贵得多；double在 64 位系统上，PyFloata 中的每个字节list消耗 32 个字节（ 中的指针占用 8 个字节list，其自身占用 24 个字节PyFloat），而原始 C 则占用 8 个字节double。

您可能想考虑使用Python的array模块（创建array正确大小/类型的模块，使用缓冲区协议创建它的C级视图，然后填充缓冲区）；代码会稍微复杂一些，但内存使用量会下降 4 倍。 numpy类型将提供相同的优势（并且结果可以更灵活地使用）。