当Apache mod_wsgi django调用keras模型时，如何释放占用的GPU内存？

我的服务器配置如下：

Apache2.4.23.

Mod_wsgi 4.5.9

通过使用Django框架和apache服务器，我们称之为Keras深度学习模型成功调用模型后，模型始终在GPU内存中运行，这导致GPU内存无法释放，除非关闭apache服务器

那么，当Apache+Mod_wsgi+Django调用Keras模型时，有没有办法控制GPU内存的释放

谢谢

---

这将清除当前会话（图），因此过时的模型应该从GPU中删除。如果它不起作用，您可能需要“删除模型”并重新加载它。

对于无法使

K.clear\u session（）

起作用的人，有一种替代解决方案：

from numba import cuda
cuda.select_device(0)
cuda.close()

Tensorflow

只是将内存分配给GPU，而CUDA负责管理GPU内存

---

如果CUDA在您使用

K.clear_session（）

清除所有图形后以某种方式拒绝释放GPU内存，然后，您可以使用

cuda

库直接控制cuda以清除GPU内存。

是的，但由于某种原因，最新的spyder控制台内核崩溃，尽管GPU内存再次可用

from numba import cuda
cuda.select_device(0)
cuda.close()

---

当我在Jupyter笔记本中使用Keras和TensorFlow后端时，这一个实际上对我有效。谢谢！没有其他方法适合我。但有没有办法在不重启Jupyter内核的情况下运行新的Keras模型呢？一旦我用cuda.close（）关闭了cuda，我该如何训练新模型呢

from numba import cuda
cuda.select_device(0)
cuda.close()