Python 3.x Tensorflow图像分类-耗尽我的记忆

我正在尝试写一个小程序，它能够将某些图片分类。我在主代码中创建了一个包含图片的列表，并将它们以循环的形式传递给函数。代码运行得非常好，除了它不能释放内存，而且每次迭代程序都会使用更多的内存，直到完全崩溃

已经尝试在函数中使用“gc.collect（）”强制它清除内存，但这没有帮助。在检查一个文件后，内存是否应该自动清除，或者我是否遗漏了任何内容

def classify_pictures(self, files):

    os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

        # Read the image_data
        image_data = tf.gfile.FastGFile(files, 'rb').read()

        # Loads label file, strips off carriage return
        label_lines = [line.rstrip() for line
                   in tf.gfile.GFile("tf_files/retrained_labels.txt")]

        # Unpersists graph from file
        with tf.gfile.FastGFile("tf_files/retrained_graph.pb", 'rb') as f:
            graph_def = tf.GraphDef()
            graph_def.ParseFromString(f.read())
            _ = tf.import_graph_def(graph_def, name='')

        with tf.Session() as sess:
            # Feed the image_data as input to the graph and get first prediction
            softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')

            predictions = sess.run(softmax_tensor, \
                               {'DecodeJpeg/contents:0': image_data})

            # Sort to show labels of first prediction in order of confidence
            top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]

        for each_picture in range(0, 10):

            human_string = label_lines[top_k[0]]

            if human_string == "selfie":
                return ("selfie")

            if "passport" in human_string:
                return("passport")

            if "statement" in human_string:
                return("bill")

---

如果在循环中调用此函数，则每次迭代都会重建计算图，当然，前面的图也仍然存在。这就是使用所有内存的原因

要解决此问题，只需在循环内执行

会话.run（）

调用

---

通常，在编写Tensorflow代码时，应始终尝试将生成图形的代码与执行图形的代码分开。在您的情况下，这两个函数都是在一个函数中执行的，该函数被多次调用，因此每次都会重建一个新的图形。

谢谢，Alexander！我已经将部分代码（“with tf.gfile.FastGFile”和“label_lines”部分）移出了函数/循环，这确实有很大帮助，但仍然没有完全解决这个问题。它大大降低了内存使用率，但对于处理大量文件，它最终还是会在某个时候使用所有内存。有什么想法吗？我确信我仍然遗漏了一些东西？如果没有看到您的完整代码，我无法确定，但我怀疑这可能是Python泄漏，而不是Tensorflow。您可能希望尝试使用Python只将一组图像加载到CPU RAM中，并在一次又一次地对该图像集执行预测。如果这解决了内存泄漏问题，您就知道这是Python泄漏（假设您谈论的内存是CPU而不是GPU内存）。再次感谢。我还删除了：#将tf.Session（）作为sess#softmax_张量=。。。。看来这解决了问题。我会再试试，但现在看起来不错。还有一个问题。我真的不明白这为什么会导致内存泄漏。会话结束时不应该自动释放内存吗？不客气。我不确定，但我认为这可能正是Python的方式。我的直觉告诉我，最好不要在每次循环迭代中重新创建一个新的会话对象（这是将

与tf.session（）一起用作sess:

，而只需在循环之前使用

sess=tf.session（）

创建一次会话对象，并在每次循环迭代中重用它。