這篇文章主要為大家展示了“如何解決Tensorflow內存泄露的問題”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“如何解決Tensorflow內存泄露的問題”這篇文章吧。

創(chuàng)新互聯(lián)主營麻山網站建設的網絡公司,主營網站建設方案,重慶APP開發(fā),麻山h5小程序設計搭建,麻山網站營銷推廣歡迎麻山等地區(qū)企業(yè)咨詢

使用tensorflow進行編程時，經常遇到操作不當，帶來的內存泄露問題，這里有一個可以幫助debug問題所在方法：

https://stackoverflow.com/questions/51175837/tensorflow-runs-out-of-memory-while-computing-how-to-find-memory-leaks/51183870#51183870

使用tf.Graph.finalize()把運算圖變成只讀的，從而對圖的修改都會報錯，從而找到內存泄露的定點。

目前我出現(xiàn)過內存泄露問題的有兩處：

1.

session和graph沒有釋放內存。按照資料的說法，使用了with關鍵字可以在session異常退出時也釋放內存，否則要用session.close()關閉session。代碼如下：

with tf.Session() as session:
  #codes

#一般使用with以后就會釋放內存，否則運行如下釋放
session.close()
del session

另一方面，我是在session中加載graph（訓練好的模型），導致每次關閉程序再運行，graph出現(xiàn)重復加載的現(xiàn)象。錯誤代碼示例：

with tf.Seesion() as session:
  # 在session內部加載保存好的graph
  saver = tf.train.import_meta_graph('./CNN_cracks.meta')
  saver.restore(session, "./CNN_cracks")
  # codes

此處，在一次運行session時會加載一次graph，一次運行的時候沒問題，但多次運行（調試時），每次graph都會加載到內存而不被釋放，因而造成內存泄露。

正確的做法如下：

# 用with新建一個graph，這樣在運行完以及異常退出時就會釋放內存
graph = tf.Gragh()
with graph.as_default():
  saver = tf.train.import_meta_graph('./CNN_cracks.meta')

with tf.Session(graph=graph) as session:
  saver.restore(session, "./CNN_cracks")

2.

一些tensorflow的運算似乎也會修改圖，原因未明。所以在在訓練里面把所有屬于tensorflow的運算都寫進去，運行session.run返回的只能是只讀。

##錯誤代碼

#訓練
graph = tf.Graph()
with graph.as_default():
  #codes
  predict = tf.nn.softmax(model(data))

#預測，這里訓練文件與預測文件是分離的
with tf.Session(graph=graph) as session:
  #codes
  predict = session.run(predict, feed_dict={data: block})
  prediction = tf.argmax(predict, -1) #這里會對圖進行修改

##正確代碼

#訓練
graph = tf.Graph()
with graph.as_default():
  #codes
  predict = tf.argmax(tf.nn.softmax(model(data)), -1)

#預測
with tf.Session(graph=graph) as session:
  #codes
  prediction = session.run(predict, feed_dict={data: block})

以上是“如何解決Tensorflow內存泄露的問題”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注創(chuàng)新互聯(lián)成都網站設計公司行業(yè)資訊頻道！

另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

本文題目：如何解決Tensorflow內存泄露的問題-創(chuàng)新互聯(lián)
本文網址：http://aaarwkj.com/article16/hogdg.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供網站內鏈、企業(yè)建站、外貿網站建設、虛擬主機、關鍵詞優(yōu)化、服務器托管

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)