我定期编程.好吧,我一直在编程,但有时会以内存错误的形式赶上我.我开始在使用rm()命令删除对象时执行一些纪律,事情变得更好.我在网上看到有关gc()在删除大型数据对象后是否应该显式调用的混合消息.有人说在R返回内存错误之前它会运行,gc()而其他人则说手动强制gc是一个好主意.
我应该gc()在删除大型对象后运行以确保最大的内存可用性吗？
我在R(在Windows下)运行我的代码,其中涉及大量的内存数据.我试图用来rm(list=ls())清理内存,但似乎内存仍然被占用,我无法重新运行我的代码.我试图关闭R并重新启动R,但它是一样的,似乎内存仍然被占用,因为当我运行代码它说它不能分配内存(但它可能在第一次).重新启动电脑后,内存似乎只清理了.
有没有办法清理内存,以便我可以重新运行我的代码而不必每次都重新启动我的电脑？
我正在进行大规模的机器学习,但是由于R内存占用,我的计算速度变慢了.
我清除了我的对象,我也尝试gc()了结果:
used (Mb) gc trigger (Mb) max used (Mb)
Ncells 4460452 231.5 15288838 1116.6 36599071 1954.7
Vcells 29572776 349.4 324509788 2712.9 350796378 3376.4
我的任务管理器显示R会话仍然分配超过3GB的内存,我的电脑仍然很慢.
如何释放R占用的内存？(我不想重启电脑)
我已经通过reticulate包使用一些python功能创建了一个函数,特别是使用PIL以下方法打开图像:
image <- "~/Desktop/image.jpg"
pil.image <- reticulate::import( "PIL.Image", convert = FALSE )
img <- pil.image$open( image )
然后我用图像做了一些事情(我正在提取几种作物),这很好.这是我正在做的一个例子(outputs我需要的作物数据框,所以crop.grid只是4个数字的向量.
crop.grid <- c( outputs$x.start[x],
outputs$y.start[x],
outputs$x.stop[x],
outputs$y.stop[x] )
crop.grid <- as.integer( crop.grid )
crop.grid <- reticulate::r_to_py( crop.grid )
output.array <- img$crop( box = crop.grid )
output.array$save( output.filename )
在此之后,我想从内存中清除图像(我正在打开的图像非常大,因此占用大量内存).我尝试在python中关闭图像:
img$close()
和R一样:
rm( img )
gc()
用我知道的非常小的东西替换物体.
img <- reticulate::r_to_py( 1L )
所有这些都运行良好,但我的RAM仍然记录为非常充分.我用我创建的每个python对象尝试它们,但唯一能有效清除RAM的是重启R会话.
我知道python我最好打开图像with,以便在流程结束时清除它,但我不确定如何使用它reticulate.
---更新类似python版本:
如果我直接在python中执行上述操作:
from …我知道有很多类似的问题都得到了公认的答案（这里，这里甚至这个），但到目前为止，我没有找到关于如何在不重新启动 R 会话的情况下释放一些内存空间的明确答案。
我知道，可以保存他的工作区，重新启动 R 并重新加载工作区，但是：
情况似乎并非如此。即使在删除了我工作区的一半最大对象（感谢这个很好的答案）并运行之后gc()，top仍然给我提供了完全相同的内存使用百分比。
这里的一个评论，它说：
R 的垃圾收集将 RAM 标记为可用。由您的操作系统来收回
听起来不错，但不确定这真的发生了。top即使在rm()和之后gc()，甚至在操作系统中启动新的其他进程之后，甚至在 2 小时、10 小时或 3 天之后，仍然向我显示 R 使用的相同数量的内存。
这个评论表明它必须查看加载的库和图形设备，但为什么呢？我该如何解决？
如果我rm()一个3GB对象然后gc()用来释放内存，R 怎么可能仍然使用相同百分比的内存？