小编Jal*_*eks的帖子

使用 Python 的 multiprocessing 时Pool.map()，我没有找回我的记忆。超过1GB的内存仍然被占用，虽然Pool退出了带有 的函数，但一切都关闭了，我什至尝试删除 的变量Pool并显式调用垃圾收集器。

当，在下面显示的代码中，取消注释pool.map()（并注释该pool.map()行）上方的两行时，一切看起来都不错，但是一旦使用multiprocessing内存，似乎在离开函数后不会再次被释放。

因为在现实世界的代码multiprocessing中调用了其他几个使用的函数，这甚至会堆积起来，消耗所有内存。
（不幸的是，我无法为次要的第二种情况生成一个最小的例子，堆积内存，但是一旦主要问题解决了，第二个也应该消失。）

这是 Linux 上的 Python 3.7.3，非常欢迎任何至少解释甚至解决此问题的帮助。

最小示例代码：

import gc
from time import sleep
from memory_profiler import profile
import numpy as np

def waitat(where, t):
    # print and wait, gives chance to see live memory usage in some task manager program
    print(where)
    sleep(t)

@profile
def parallel_convert_all_to_hsv(imgs: np.ndarray) -> np.ndarray:
    from skimage.color import rgb2hsv
    import multiprocessing as …