Memory management Tensorflow:关闭会话时内存泄漏?
当我意识到,即使我在for循环中关闭当前会话,我的程序也会大幅减速,并且由于构造ops而导致内存泄漏时,我正在尝试一些四元数神经网络的东西。这是我的代码:Memory management Tensorflow:关闭会话时内存泄漏?,memory-management,memory-leaks,neural-network,tensorflow,Memory Management,Memory Leaks,Neural Network,Tensorflow,当我意识到,即使我在for循环中关闭当前会话,我的程序也会大幅减速,并且由于构造ops而导致内存泄漏时,我正在尝试一些四元数神经网络的东西。这是我的代码: for step in xrange(0,200):#num_epochs * train_size // BATCH_SIZE): 338 339 with tf.Session() as sess: 340 341 offset = (BATCH_SIZE) % train_size 342
for step in xrange(0,200):#num_epochs * train_size // BATCH_SIZE):
338
339 with tf.Session() as sess:
340
341 offset = (BATCH_SIZE) % train_size
342 #print "Offset : %d" % offset
343
344 batch_data = []
345 batch_labels = []
346 batch_data.append(qtrain[0][offset:(offset + BATCH_SIZE)])
347 batch_labels.append(qtrain_labels[0][offset:(offset + BATCH_SIZE)]
352 retour = sess.run(test, feed_dict={x: batch_data})
357
358 test2 = feedForwardStep(retour, W_to_output,b_output)
367 #sess.close()
问题似乎来自
test2=feedForward(..)
。我需要在执行retour
一次之后声明这些操作,因为retour
不能是占位符(我需要遍历它)。没有这一行,程序运行得很好,速度很快,并且没有内存泄漏。我不明白为什么TensorFlow似乎在试图“保存”test2
,即使我关闭了会话 TL;DR:关闭会话不会释放Python程序中的数据结构,如果循环的每次迭代都向图中添加节点,则会出现泄漏
由于您的函数feedForwardStep
创建了新的TensorFlow操作,并且您在for
循环中调用了它,因此您的代码中存在漏洞,尽管漏洞很小
除非另行指定(使用块),否则所有TensorFlow操作都将添加到全局默认图形中。这意味着每次调用tf.constant()
,tf.matmul()
,tf.Variable()
等都会将对象添加到全局数据结构中。有两种方法可以避免这种情况:
for step in xrange(200):
with tf.Graph().as_default(), tf.Session() as sess:
# Remainder of loop body goes here.
请注意,在此版本中,不能使用上一次迭代中的张量
或操作
对象。(例如,您的代码片段不清楚test
来自何处。)谢谢我将尝试你的第二个命题,test是一个我可以在for循环之外定义的op(正如你在1点中建议的那样)。不幸的是,我得到了一个很好的答案:“会话图是空的。在调用run()之前向图中添加操作。”使用tf.graph.as_default()此解决方案不适用于tensorflow 1.4,另请参阅此错误报告: