小编jjs*_*jjs的帖子

我正在研究一个占用大量内存的 tensorflow 模型。它被迭代执行以处理给定的任务。

然而，随着时间的增加，整个过程开始消耗越来越多的 RAM，尽管它应该清理它。这听起来好像我会在迭代中保留一张图的数据，但我几乎可以肯定这些图是完全分开的。

问题

我将代码简化为以下内容：

import tensorflow as tf
import numpy as np

reps = 30
for i in range(reps):
    with tf.Graph().as_default() as graph:
        with tf.Session(graph=graph) as sess:
            tf.constant(np.random.random((1000,1000,200,1)))

我有 32GB RAM 可用，在 ubuntu 17.04 上使用 CPU Tensorflow 1.3。这将在第 25 次或第 27 次迭代后给出以下错误消息：

在抛出 'std::bad_alloc' what() 实例后调用终止： std::bad_alloc

在每次迭代后给过程一些时间不会导致任何改进：

import tensorflow as tf
import numpy as np
import time

reps = 30
for i in range(reps):
    with tf.Graph().as_default() as graph:
        with tf.Session(graph=graph) as sess:
            tf.constant(np.random.random((1000,1000,200,1)))
    time.sleep(1)

但是，如果我在每次重复后强制执行垃圾收集调用，它就会起作用：

import …