解决Tensorflow内存泄露问题_tensorflow内.pdfVIP

解解决决Tensorflow内内存存泄泄露露问问题题

今天小编就为大家分享一篇解决Tensorflow内存泄露问题，具有很好的参考价值，希对大家有所帮助。一起

跟随小编过来看看吧

使用tensorflow进行编程时，经常遇到操作不当，带来的内存泄露问题，这里有一个可以帮助debug问题所在方法：

/questions/5117587/tensorflow-runs-out-of-memory-while-computing-how-to-find-memory-

leaks/5118870#5118870

使用tf.Graph.finalize()把运算图变成只读的，从而对图的修改都会报错，从而找到内存泄露的定点。

目目前前我我出出现现过过内内存存泄泄露露问问题题的的有有两两处处：：

1.

session和graph没有释放内存。按照资料的说法，使用了with关键字可以在session异常退出时也释放内存，否则要用

session.close()关闭session。代码如下：

withtf.Session()assession:

#codes

#一般使用with以后就会释放内存，否则运行如下释放

session.close()

delsession

另一方面，我是在session中加载graph（训练好的模型），导致每次关闭程序再运行，graph出现重复加载的现象。错误代码

示例：

withtf.Seesion()assession:

#在session内部加载保存好的graph

saver=tf.train.import_meta_graph(./CNN_cracks.meta)

saver.restore(session,./CNN_cracks)

#codes

此处，在一次运行session时会加载一次graph，一次运行的时候没问题，但多次运行（调试时），每次graph都会加载到内存

而不被释放，因而造成内存泄露。

正确的做法如下：

#用with新建一个graph，这样在运行完以及异常退出时就会释放内存

graph=tf.Gragh()

withgraph.as_default():

saver=tf.train.import_meta_graph(./CNN_cracks.meta)

withtf.Session(graph=graph)assession:

saver.restore(session,./CNN_cracks)

2.

一些tensorflow的运算似乎也会修改图，原因未明。所以在在训练里面把所有属于tensorflow的运算都写进去，运行

session.run返回的只能是只读。

##错误代码

#训练

graph=tf.Graph()

withgraph.as_default():

#codes

predict=tf.nn.softmax(model(data))

#预测，这里训练文件与预测文件是分离的

withtf.Session(graph=graph)assession:

#codes

predict=session.run(predict,feed_dict={data:block})

prediction=tf.argmax(predict,-1)#这里会对图进行修改

##正确代码

#训练

graph=tf.Graph()

withgraph.as_default():

#codes

predict=tf.argmax(tf.nn.softmax(model(data)),-1)

#预测

withtf.Session(graph=graph)assession:

#codes

prediction=session.run(predict,feed_dict={data:block})

以上这篇解决Tensorflow内存泄露问题就是小编分享给大家的全部内容了，希能给大家一个参考，也希大家多多支持我

们。