Python NumPy C API扩展导致内存使用过度

我已经为NumPy编写了一个C扩展来加速我的一些计算，但是随着我反复调用这个函数，我的内存使用率越来越高。我已将函数缩减为一个最小示例：

PyObject* memory_test_function(PyObject* self, PyObject* args)
{
    PyArrayObject *ang;
    int i;

    if (!PyArg_ParseTuple(args, "O", &ang)) return NULL;

    int L0 = (int) PyArray_DIMS(ang)[0];

    // ballooning memory usage 
    npy_intp final_out_dims[2] = {L0,1};
    PyObject *output_array;
    output_array = PyArray_SimpleNew(2, final_out_dims, NPY_FLOAT64);
    Py_INCREF(output_array);

    for (i=0;i<L0;i++) 
    {
        *(double *)PyArray_GETPTR2(output_array,i,0) = 
            tan(*(double *)PyArray_GETPTR2(ang,i,0));
    }

    return PyArray_Return(output_array);

    /* constant memory usage
    double sum=0.0;
    for (i=0;i<L0;i++) sum+=tan(*(double *)PyArray_GETPTR2(ang,i,0));
    return PyFloat_FromDouble(sum); */
}

PyObject*内存测试函数（PyObject*self，PyObject*args）
{
PyArrayObject*ang；
int i；
if（！PyArg_ParseTuple（args，“O”&ang））返回NULL；
int L0=（int）PyArray_DIMS（ang）[0]；
//不断膨胀的内存使用率
npy_intp final_out_dims[2]={L0,1}；
PyObject*输出_数组；
输出数组=PyArray\u SimpleNew（2，最终输出dims，NPY\u浮点64）；
Py_增量（输出_数组）；
对于引擎盖下的（i=0；i
PyArray\u SimpleNew
调用（可能间接）
\u Py\u NewReference
。此函数将新创建引用的引用计数设置为1

随后的
Py\u incremf
将ref计数增加到2，从而确保Python永远不会释放此对象，即使对它的所有引用都不再存在，因为它的引用计数永远不会下降到0

Py\u INCREF
调用是不必要的，因为您没有与任何其他对象共享引用，您只是在本地使用它，然后将其传递给调用方。
我对Python C API一无所知，但我怀疑您的
Py\u INCREF
调用：您没有与任何其他对象共享引用e、 您正在将其传递给调用者。因此，要么根本不增加引用计数，要么在本地使用完它后减少引用计数。您可以通过
gc.get\u referers（）
在调用代码中检查这一点。如果我是对的，如果您没有制作任何其他副本，它将返回2，并且应该返回1（您也可以通过
Py\u REFCNT（output\u array）
在您的C代码中检查它）。事实上，这解决了问题！我不知道传递它不需要增量。我很乐意接受这个答案。