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出現重復加載的現象。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})

以上這篇解決Tensorflow 內存泄露問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。