创建模型后清除python循环中的内存

我在python中运行一个for循环，每个循环都需要在不同的数据上创建一个模型（下面显示了一个摘录）。每次创建的模型都不会从内存中删除，从而减慢每个循环的速度

import gc
for s in range(0, 5):
  X, Y = get_data()
  m = make_dgp_model(X, Y, Z_100, L)
  del m
  gc.collect()
  print('memory: {}'.format(resource.getrusage(resource.RUSAGE_SELF).ru_maxrss / 1000000))

tf.reset_default_graph()
graph = tf.get_default_graph()
gpflow.reset_default_session(graph=graph)

给出输出：

memory: 460.025856
memory: 470.310912
memory: 486.764544
memory: 493.457408
memory: 499.523584

---

我知道python使用指针引用作为其内存，并且在重用变量时不会重写内存中的内容。出于这个原因，我尝试了delm，然后使用了垃圾收集器。这似乎不起作用。我做错什么了吗？循环完成后，是否有一种方法可以完全删除

m

中存储的内容？

我解决此问题的方法是添加以下内容，以便在每个循环中重置图形

import gc
for s in range(0, 5):
  X, Y = get_data()
  m = make_dgp_model(X, Y, Z_100, L)
  del m
  gc.collect()
  print('memory: {}'.format(resource.getrusage(resource.RUSAGE_SELF).ru_maxrss / 1000000))

tf.reset_default_graph()
graph = tf.get_default_graph()
gpflow.reset_default_session(graph=graph)

---

如github问题所示（见最后一条评论）

GPflow的自述页面有一个链接，指向尼斯提示和技巧笔记本。您可以在第一项中找到问题的答案：）

---

为什么要在Python中处理内存使用？这不是你应该担心的事情。由于内存的增加，每个循环都会显著减慢。为什么要这样做呢？也许你应该展示一些代码，并解释X，Y，Z_100和L是什么。我想你可以重新初始化每个循环的权重，而不是创建一个新的模型？这应该会在没有内存泄漏的情况下得到相同的结果。如果您没有使用渴望模式，那么您可能正在向图中添加模型的新版本。即使您

delm

，图形及其操作仍将存在。如果您自己还没有创建图形，那么图形将被指定为

tf.get\u default\u graph（）

，您可以用

tf.reset\u default\u graph（）

清除它（用新的空图形替换）。这有一个内置的实用程序函数：

gpflow.reset\u default\u graph\u和\u session（）

@STJ。你知道Pytork中是否有类似的功能，但我在Pytork中遇到了相同的问题。此链接已失效