Memory 使用GPU但CPU中的Tensorflow内存泄漏正常

当使用GPU来训练我的模型时，CPU的内存会在几个时代后耗尽。然而，如果我改用CPU，这种行为就不会发生

我尝试了几种不同的组合，但都不起作用：

• cuda8.0.44 cudnn5.1 tensorflow1.2.1
• cuda8.0.44 cudnn6.0 tensorflow1.2.1
• cuda8.0.44 cudnn6.0 tensorflow1.3.0
• cuda8.0.61（带补丁）cudnn6.0 tensorflow1.3.0

我将ubuntu14.0.4与python2.7一起使用

基于本文中的建议，我已经尝试了以下方法：

调用

tf.get\u default\u graph（）.finalize（）

使用

tcmalloc

代替

malloc

具有不同硬编码参数的重新编译tensorflow

---

也许可以尝试将TF_CUDA_HOST_MEM_LIMIT_IN_MB设置为一些较小的值？下一步可能是获取内存配置文件，以查看谁实际占用了内存，如这里的@YaroslavBulatov os.environ[“TF_CUDA_HOST_MEM_LIMIT_IN_MB”]=“10000”添加到我的代码中，但似乎没有效果，内存仍将增加到32G，stuckI怀疑它是否与此问题有关--@YaroslavBulatov I也使用pprof检查泄漏发生的位置。结果表明，节点“cudbgApiDetach”和“cuVDPAUCtxCreate”是问题所在，“tensorflow BFCAllocator Extend”是稳定的。但我不知道如何修补漏洞