Memory leaks 在模型上运行推断时mxnet cpu内存泄漏

在mxnet模型上执行推断时，我遇到内存泄漏（即，将图像缓冲区转换为张量，并在模型中运行一次前向传递）

下面是一个最小的可复制示例：

import mxnet
from gluoncv import model_zoo
from gluoncv.data.transforms.presets import ssd

model = model_zoo.get_model('ssd_512_resnet50_v1_coco')
model.initialize()

for _ in range(100000):
  # note: an example imgbuf string is too long to post
  # see gist or use requests etc to obtain
  imgbuf = 
  ndarray = mxnet.image.imdecode(imgbuf, to_rgb=1)
  tensor, orig = ssd.transform_test(ndarray, 512)
  labels, confidences, bboxs = model.forward(tensor)

结果是RSS内存线性增加（从700MB增加到10GB+）

其他预训练模型和我尝试使用的自定义模型仍然存在此问题。使用垃圾收集器并没有显示出对象的任何增加

这有完整的代码片段，包括一个示例imgbuf

环境信息：

python 2.7.15

通用条款4.2.1

mxnet mkl 1.3.1

---

gluoncv 0.3.0

MXNet正在运行一个异步引擎，以最大限度地提高操作的并行性和并行执行，这意味着对排队操作/复制数据的每次调用都会急切地返回，并且操作会在MXNet后端排队。通过按编写的方式运行循环，可以有效地提高操作排队速度

您可以添加一个显式的同步点，例如

.asnumpy（）

或

.mx.nd.waitall（）

或

.wait_to_read（）

，这样MXNet将在继续执行python之前等待排队操作完成

这将解决您的问题：

import mxnet
from gluoncv import model_zoo
from gluoncv.data.transforms.presets import ssd

model = model_zoo.get_model('ssd_512_resnet50_v1_coco')
model.initialize()

for _ in range(100000):
  # note: an example imgbuf string is too long to post
  # see gist or use requests etc to obtain
  imgbuf = 
  ndarray = mxnet.image.imdecode(imgbuf, to_rgb=1)
  tensor, orig = ssd.transform_test(ndarray, 512)
  labels, confidences, bboxs = model.forward(tensor)
  mx.nd.waitall()

在此处阅读有关MXNet异步执行的更多信息：