valgrind 在最简单的 tensorflow python 程序中显示 memory 泄漏

Question

我最近遇到了使用我的自定义数据集操作在 tensorflow 估计器评估器中线性增加 ram 使用量的问题（它也发生在 TextLineDatasetOp 上，但程度较小，因为没有大的 memory 对象）。 所以我决定使用 valgrind 来查看 memory 泄漏可能发生的位置。

在消除了所有明显的 memory 泄漏源并根据 valgrind 确认 c++ 单元测试没有泄漏之后，我直接切换到使用 python 程序进行测试。 结果令人震惊，因为我对自定义操作的简单 python 单元测试给出了大量肯定丢失的字节。 然后我尝试了以下最简单的情况：

valgrind --leak-check=yes python -c 'import tensorflow as tf; \
s = tf.Session(); s.run(tf.constant(1)); s.close()'

得到了这个可怕的烂摊子

==82484== LEAK SUMMARY:
==82484==    definitely lost: 222,551 bytes in 876 blocks
==82484==    indirectly lost: 159,625 bytes in 1,285 blocks
==82484==      possibly lost: 6,896,204 bytes in 44,294 blocks
==82484==    still reachable: 1,507,983,981 bytes in 1,012,356 blocks
==82484==                       of which reachable via heuristic:
==82484==                         stdstring          : 2,782,487 bytes in 70,335 blocks
==82484==                         newarray           : 2,976 bytes in 5 blocks
==82484==         suppressed: 0 bytes in 0 blocks
==82484== Reachable blocks (those to which a pointer was found) are not shown.

作为基线，我还尝试了：

valgrind --leak-check=yes python -c 'print(1)'

事情看起来好多了

==87404== LEAK SUMMARY:
==87404==    definitely lost: 0 bytes in 0 blocks
==87404==    indirectly lost: 0 bytes in 0 blocks
==87404==      possibly lost: 364,295 bytes in 2,377 blocks
==87404==    still reachable: 573,861 bytes in 5,256 blocks
==87404==         suppressed: 0 bytes in 0 blocks

在这两种情况下我是否应该认真对待 valgrind（例如，我是否必须在调试/valgrind 友好模式下从源代码构建 tensorflow 甚至 python）？ 谢谢。

我的 tensorflow 版本是 1.12.0，通过 pip3.6 安装。 我的操作系统是 Centos 7。我怀疑以上内容可以在各种环境中重现。