Python Keras：完成训练过程后释放记忆

我使用Keras构建了一个基于CNN结构的自动编码器模型，在完成训练过程后，我的笔记本电脑有64GB的内存，但我注意到至少1/3的内存仍然被占用，GPU内存也是如此。我没有找到释放内存的好方法，我只能通过关闭Anaconda提示符命令窗口和jupyter笔记本来释放内存。我不确定是否有人有好的建议。谢谢

释放RAM存储器 要释放RAM内存，只需按照@nuric在注释中的建议执行

delvariables

释放GPU内存 这比释放RAM内存要复杂一点。有些人会建议您使用以下代码（假设您正在使用keras）

然而，上述代码并不适用于所有人。（即使您尝试

del Models

，它仍然不起作用）

如果上述方法不适用于您，请尝试以下方法（您需要先安装库）：

其背后的原因是：Tensorflow只是将内存分配给GPU，而CUDA负责管理GPU内存

---

如果CUDA在您用

K.clear_session（）

清除所有图形后以某种方式拒绝释放GPU内存，那么您可以使用CUDA库直接控制CUDA清除GPU内存。

要清除RAM内存，只需按照Raven的建议删除变量即可

但不幸的是，对于GPU

cuda.close（）

将在涉及GPU的未来步骤（如模型评估）中抛出错误。释放GPU内存的一种解决方法是将模型创建和训练部分封装在函数中，然后使用子进程完成主要工作。培训完成后，子进程将终止，GPU内存将空闲

比如：

import multiprocessing

def create_model_and_train( ):
      .....
      .....

p = multiprocessing.Process(target=create_model_and_train)
p.start()
p.join()

或者，您可以创建以下函数并在每次运行之前调用它：

from keras.backend.tensorflow_backend import set_session
from keras.backend.tensorflow_backend import clear_session
from keras.backend.tensorflow_backend import get_session
import tensorflow
import gc

# Reset Keras Session
def reset_keras():
    sess = get_session()
    clear_session()
    sess.close()
    sess = get_session()

    try:
        del classifier # this is from global space - change this as you need
    except:
        pass

    print(gc.collect()) # if it does something you should see a number as output

    # use the same config as you used to create the session
    config = tensorflow.ConfigProto()
    config.gpu_options.per_process_gpu_memory_fraction = 1
    config.gpu_options.visible_device_list = "0"
    set_session(tensorflow.Session(config=config))

---

这个问题似乎与编程无关，而是消费者PC硬件或软件的问题，这与堆栈溢出无关。如果您在这个问题上仍然需要帮助，请向Stack Overflow的姐妹站点询问，它很可能是进程运行时占用内存的数据（jupyter内核）。您可以尝试

delmydata

从垃圾收集的范围中删除数据变量；但是没有代码就说不出来。谢谢你的建议，我试着用“del”删除加载的训练和测试成像数据，它可以释放大约3GB的内存，这部分解决了问题。谢谢你解释CUDA和Tensorflow内存管理之间的额外区别。我不知道这件事。

import multiprocessing

def create_model_and_train( ):
      .....
      .....

p = multiprocessing.Process(target=create_model_and_train)
p.start()
p.join()

from keras.backend.tensorflow_backend import set_session
from keras.backend.tensorflow_backend import clear_session
from keras.backend.tensorflow_backend import get_session
import tensorflow
import gc

# Reset Keras Session
def reset_keras():
    sess = get_session()
    clear_session()
    sess.close()
    sess = get_session()

    try:
        del classifier # this is from global space - change this as you need
    except:
        pass

    print(gc.collect()) # if it does something you should see a number as output

    # use the same config as you used to create the session
    config = tensorflow.ConfigProto()
    config.gpu_options.per_process_gpu_memory_fraction = 1
    config.gpu_options.visible_device_list = "0"
    set_session(tensorflow.Session(config=config))