在tensorflow JavaScript中使用posenet时内存泄漏
我正在尝试使用javascript测试tensorflow。我想在一个图像文件夹上运行posenet模型。通过一些谷歌搜索,我写了下面的HTML。当我运行下面显示的HTML时,系统很快就会耗尽内存,确实存在内存泄漏。我不知道内存泄漏发生在哪里以及如何发生。社区能否解释一下内存泄漏是如何发生的,以及如何解决它在tensorflow JavaScript中使用posenet时内存泄漏,javascript,memory-leaks,tensorflow.js,Javascript,Memory Leaks,Tensorflow.js,我正在尝试使用javascript测试tensorflow。我想在一个图像文件夹上运行posenet模型。通过一些谷歌搜索,我写了下面的HTML。当我运行下面显示的HTML时,系统很快就会耗尽内存,确实存在内存泄漏。我不知道内存泄漏发生在哪里以及如何发生。社区能否解释一下内存泄漏是如何发生的,以及如何解决它 <html> <head> <script src="https://unpkg.com/@tensorflow/tfjs"></scr
<html>
<head>
<script src="https://unpkg.com/@tensorflow/tfjs"></script>
<script src="https://unpkg.com/@tensorflow-models/posenet"</script>
</head>
<body>
<img id='faceImg' src='1.0.jpg'/>
<script>
var i = 1;
async function makeTensors(){
var psData;
var imageScaleFactor = 0.5;
var outputStride = 16;
var flipHorizontal = false;
var iterator;
var imageElements = document.getElementById('faceImg');
console.log(imageElements);
let result = await posenet.load().then(function(net){
return net.estimateSinglePose(imageElements, imageScaleFactor, flipHorizontal, outputStride)
}).then(function(pose){
console.log(pose);
psData = pose;
})
var im_tensor_pos = []
for (iter = 0; iter < 17; iter++) {
im_tensor_pos.push(psData.keypoints[iter].position.x);
im_tensor_pos.push(psData.keypoints[iter].position.y);
}
for (iter = 0; iter < 17; iter++) {
im_tensor_pos.push(psData.keypoints[iter].score);
}
im_tensor_pos.push(psData.score);
// tensor_vals.push(im_tensor_pos);
psData = null;
delete result;
// console.log(tensor_vals);
}
async function test(){
for (i = 1; i < 270; i++) {
var ImageSrc = 'results/' + i + ".0.jpg";
console.log(ImageSrc)
var imageElements = document.getElementById('faceImg');
imageElements.src = ImageSrc;
result = await makeTensors();
delete result;
}
}
test().then(console.log('done'));
</script>
</body>
</html>
我看不到任何空间,你在处理你的张量。记住,如果你没有调用.dispose
一个张量,那么它仍然会保存在内存中
处理逻辑:
要调试memmory问题,请查看使用tf.memory
查看问题可能产生的位置:我遇到了完全相同的问题,但是.dispose
对我不起作用
不知道您是否已经修复了它,但对于将来的参考,这是有效的:
tf.engine().startScope()
// do the Tensorflow / Posenet stuff
tf.engine().endScope()
一旦完成,这将破坏张量