[英]How to create and delete class instance in python for loop
我正在使用一个类来创建一个张量流模型。 在 for 循环中,我创建了一个实例,我必须在每次迭代结束时删除该实例以释放内存。 删除不起作用,我的内存不足。 这是我尝试过的最小示例:
import numpy as np
class tfModel(self, x):
def __init__(self, x):
....
def predict(self, x):
...
return x_new
if __name__=="__main__":
x = np.ones(100)
for i in range(0, 3):
model = tfModel(x)
x = model.predict(x)
del model
我在相关问题中读到“del”只删除一个引用,而不是类实例本身。 但是如何确保所有引用都被删除并且实例可以被垃圾收集?
我认为你在谈论两件事:
x
) 或每批示例并将它们输入模型以获得预测。 如果您的内存无法保存所有结果,则可以在必要时将结果序列化到磁盘。更具体地说,是这样的:
class tfModel(self):
def __init__(self):
....
def predict(self, x):
...
return x_new
def my_x_generator():
for x in range(100):
yield x
THRESHOLD = 16
if __name__=="__main__":
model = tfModel()
my_result_buffer = []
for x in my_x_generator():
x_pred = model.predict(x)
my_result_buffer.append(x_pred)
if len(my_result_buffer) > THRESHOLD:
## serialize my_result_buffer to disk
my_result_buffer = []
另请注意,在我上面的示例代码中:
tfModel
的构造tfModel
不应依赖于x
。 ( x
从__init__
删除)。 当然,您可以使用模型参数来初始化模型。这似乎是一个特定的张量流问题。 使用模块 multiprocessing,可以在 for 循环中生成进程。 完成后关闭进程并释放内存。
我在这里找到了这个解决方案: Clearing Tensorflow GPU memory after model execution
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.