如何清除Tensorflow Keras GPU内存？

我在for循环中拟合模型，但我得到一个错误，我的GPU内存已满。我在Anaconda Spyder IDE中使用Keras。我的GPU是华硕GTX 1060 6gb

我也使用过类似的代码：

K.clear\u session（）

，

gc.collect（）

，

tf.reset\u default\u graph（）

，del custom\u model，但它们都不起作用。 GPU属性显示，GPU 98%的内存已满：

除了

numba.cuda.close（）

之外，没有任何东西会刷新GPU内存，但不允许我再次使用GPU。清除它的唯一方法是重新启动内核并重新运行代码

---

我正在寻找任何脚本代码来添加我的代码，允许我在for循环中使用我的代码，并在每个循环中清除GPU。

将模型创建和训练部分包装在函数中，然后使用子流程进行主要工作。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))

---

您应该在问题中包含重现问题的代码。您是否在循环中创建模型？为什么呢？@SimonCaby因为我在计算噪音数据的准确性，我需要平均50倍的训练和测试结果。@MatiasValdenegro我代码的一部分：image\u input=input（shape=（224224，224，3））base\u model=Xception（input\u tensor=image\u input，include\u top=False，weights='imagenet'）custom\u Xception\u model.compile（loss='classifical_crossentropy'，optimizer='adadelta'，metrics=['accurity']）hist=base_model.fit（X，Y，epochs=2）这是对keras的简单训练。我只需要在循环中使用它，并在每个循环的最后一个循环中清除GPU内存。好的。你不应该在循环中构建模型，而只是加载和训练权重。你不应该清除模型（还有记忆）。