Memory leaks matplotlib imshow中的内存泄漏
我在matplotlib.imshow中发现了内存泄漏。我知道类似的问题（如），并且我已经阅读了相关的ironpython线程（） 我相信下面的代码应该（在没有内存泄漏的情况下）在运行时消耗恒定的内存量。相反，它会随着每次迭代而增长 我正在运行我能找到的最新版本（matplotlib-1.2.0rc3.win32-py2.7和numpy-1.7.0.win32-py2.7），问题仍然存在。我没有保留imshow的返回值，事实上我显式地删除了它，因此我认为IronPython讨论中的注释不适用。在循环中，无论是否使用显式赋值和del，行为都是相同的 我在matplotlib-1.2.0.win32-py2.7中看到了相同的行为 每次迭代似乎都会保留图像所需的任何内存。我已经 选择一个大的（1024x1024）随机矩阵，使每个图像的大小都非常大 我使用2G物理RAM、32位Python 2.7.3（因此出现内存错误）以及上述numpy和matplotlib包运行Win7 pro。下面的代码在迭代440中出现内存错误而失败。windows任务管理器在失败时报告消耗1860232K 下面是演示泄漏的代码：Memory leaks matplotlib imshow中的内存泄漏,memory-leaks,matplotlib,Memory Leaks,Matplotlib,我在matplotlib.imshow中发现了内存泄漏。我知道类似的问题（如），并且我已经阅读了相关的ironpython线程（） 我相信下面的代码应该（在没有内存泄漏的情况下）在运行时消耗恒定的内存量。相反，它会随着每次迭代而增长 我正在运行我能找到的最新版本（matplotlib-1.2.0rc3.win32-py2.7和numpy-1.7.0.win32-py2.7），问题仍然存在。我没有保留imshow的返回值，事实上我显式地删除了它，因此我认为IronPython讨论中的注释不适用。在
IMAGE_SIZE = 1024
import random
RANDOM_MATRIX = []
for i in range(IMAGE_SIZE):
RANDOM_MATRIX.append([random.randint(0, 100) for each in range(IMAGE_SIZE)])
def exercise(aMatrix, aCount):
for i in range(aCount):
anImage = imshow(aMatrix, origin='lower left', vmin=0, vmax=100)
del(anImage)
if __name__=='__main__':
from pylab import *
exercise(RANDOM_MATRIX, 4096)
我可以用PIL而不是matplotlib来渲染图像。在缺乏变通方法的情况下，我确实认为这是matplotlib的一个表演障碍。我认为我找到了一个变通方法，我没有完全意识到imshow的重量级 答案是只调用一次imshow，然后使用随机矩阵为每个后续图像调用set_数据
问题解决了 我努力让它发挥作用，因为很多帖子都在谈论这个问题，但似乎没有人关心提供一个有效的例子 首先，你不应该使用来自。。。import*语法，当使用一个您自己没有创建的库时-因为，您永远无法确定它没有声明一个与您的符号冲突的符号 然后，调用
set_dataflush\u events（）imshow（）IMAGE_SIZE = 500
import numpy as np
import matplotlib.pyplot as plt
plt.ion()
fig1, ax1 = plt.subplots()
fig2, ax2 = plt.subplots()
# this example doesn't work because array only contains zeroes
array = np.zeros(shape=(IMAGE_SIZE, IMAGE_SIZE), dtype=np.uint8)
axim1 = ax1.imshow(array)
array[0, 0] = 99 # this value allow imshow to initialise it's color scale
axim2 = ax2.imshow(array)
del array
for _ in range(50):
print(".", end="")
matrix = np.random.randint(0, 100, size=(IMAGE_SIZE, IMAGE_SIZE), dtype=np.uint8)
axim1.set_data(matrix)
fig1.canvas.flush_events()
axim2.set_data(matrix)
fig1.canvas.flush_events()
print()
需要注意的是，图中有大量对
anImageanImage.remove（）anImage.remove（）