Python Pytorch:can'；t控制垃圾收集器和模型释放

我试图控制Pytorch模型的分配和解除分配（来自transformers库）。我想在模型完成后解除分配。这就是我所尝试的：

将变压器作为t导入
导入tracemalloc
导入gc
进口火炬
课堂总结：
定义初始化（自）：
self.device='cuda:0'如果torch.cuda.is_可用（）则为'cpu'
self.\u model=t.BartForConditionalGeneration.from\u pretrained（'facebook/bart large cnn'）。to（self.device）
self.\u tokenizer=t.BartTokenizer.from\u pretrained（'facebook/bart大型cnn'））
定义（自我）：
打印（'我被删除'）
def运行（自）：
ARTICLE\u TO\u summary=“我的朋友很酷，但他们吃太多碳水化合物。”
inputs=self.\u标记器（[ARTICLE\u TO\u summary]，max\u length=1024，return\u tensors='pt'）。TO（self.device）
summary_id=self._model.generate（输入['input_id']，波束数=4，最大长度=5，提前停止=True）
在摘要\u id中为g返回[self.\u tokenizer.decode（g，skip\u special\u tokens=True，clean\u tokenization\u spaces=False）]
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
tracemalloc.start（）
BARTModel=BartSummary（）
data=BARTModel.run（）
当前，峰值=tracemalloc.get\u tracked\u memory（）
打印（f“之前的当前内存为{Current/10**6}MB；峰值为{Peak/10**6}MB”）
德尔巴特模型
gc.collect（）
当前，峰值=tracemalloc.get\u tracked\u memory（）
打印（f“使用后的当前内存为{Current/10**6}MB；峰值为{Peak/10**6}MB”）

这是我运行所有程序时得到的结果：

之前的当前内存为90.008281MB；峰值为90.010476MB
使用后的当前内存为89.883413MB；峰值为90.010476MB
我被删除了

---

我假设在调用垃圾收集器时，

BartModel

从内存中删除，并打印

I am deleted

，然后最终得到内存分配的最后一个度量。很明显，执行的顺序不同，这是为什么？为什么

我被删除了

是最后一个，而不是第二个？是否有办法控制解除分配？

您发布的代码将以异常终止。它不会产生你声称的产出。编写问题时，始终从实际运行的文件中复制粘贴代码；不要尝试重新键入，也不要尝试在未实际运行已编辑表单的情况下进行编辑。很抱歉，键入时遗漏了一些内容。现在应该可以了。“打字时”-不。停止打字。从您实际运行的文件中复制并粘贴。是的，现在我刚刚这么做了。初稿是打字的。很抱歉造成误解如果这正是您运行的代码，那么必须保存对

实例的引用。不过，我看不到任何地方可以漏掉参考资料。