如何在spyder的ipython中释放keras中的GPU资源？

当我通常从命令行运行python脚本时，例如，

python test.py

，GPU内存将在脚本完成后释放。 在这个

test.py

脚本中，我只是加载了一个keras构建的模型来评估和预测一些数据。没有培训过程。 但是，如果我打开我的'spyder'，并在'spyder'中运行此脚本，结果会出现在'ipython'部分，但是我从命令行键入

nvidia smi

，GPU内存不会释放。 所以，我尝试的是关闭这个“ipython”内核并启动一个新的内核。但我所有的其他变量都将丢失。在“spyder”中评估（x，y）模型之后，是否有一种合适的方法来释放GPU内存？ 以下是一些屏幕截图：

从“spyder”运行脚本之前和之后：

---

通常，tensorflow后端将保留GPU上的所有内存。它可能不会真正使用所有内存，但在tensorflow后端终止之前，它将被其他程序占用。因此，在nvidia smi中，您将看到即使tensorflow已经释放了其框架中以前的内存，内存也没有释放。

尝试运行

gc.collect（）

@djk47463，这

gc

是从哪里来的？Whichi模块？该模块名为，它是一个垃圾收集器，我相信它是随python安装而来的，那么我如何释放内存呢？因为我从ipython运行了一些测试命令，也从命令行运行了一些其他脚本。但是如果tensorflow后端没有释放内存，那么我就不能从命令行运行其他脚本。有什么建议吗？是的，你可以限制tensorflow的记忆。请查收