如何在运行一系列 YOLO 预测的 python 中清理 ram memory？

Question

我正在尝试一个接一个地对数百个 jpeg 进行 YOLO 预测。 在以下代码中，predict.py 为参数中的文件名创建一个带有预测的 jpeg。 此代码扫描整个文件夹并逐个文件。 长话短说，在 30 个 jpeg 之后它会变慢，并且任务管理器显示正在使用 10GB 内存。

将不胜感激任何帮助

创建每个文件后，我想从“新鲜”干净的 memory 开始进行下一次迭代 - 以下列方式使用 gc.collect 并没有改变任何东西。

    import os
    import predict
    import gc

    for root, dirs, files in os.walk("images\edited images"): 
       i=1
       for name in files:
           predict.main(os.path.join(root, name))
           print(os.path.join(root, name))
           i=i+1
           print(i)
           gc.collect()

Answer 1

这个解决了它：使用

                K.clear_session()
                gc.collect()

在 predicr 每次迭代之后

当从 keras 导入后端为 K