解决tensorflow训练时内存持续增加并占满的问题

解决解决tensorflow训练时内存持续增加并占满的问题训练时内存持续增加并占满的问题

今天小编就为大家分享一篇解决tensorflow训练时内存持续增加并占满的问题，具有很好的参考价值，希望对大

家有所帮助。一起跟随小编过来看看吧

记录一次小白的记录一次小白的tensorflow学习过程，也为有同样困扰的小白留下点经验。学习过程，也为有同样困扰的小白留下点经验。

先说我出错和解决的过程。在做风格迁移实验时，使用预加载权重的VGG19网络正向提取中间层结果，结果因为代码不当，

在遍历图片提取时内存持续增长，导致提取几十个图片的特征内存就满了。

原因是在对每一张图片正向传播结束后，都会在留下中间信息。具体地说是在我将正向传播的代码与模型的代码分离了，在每

次遍历图片时都会正向传播，在tensorflow中新增加了很多的计算节点（如tf.matmul等等），导致内存中遗留了大量的过期信

model_input = tf.placeholder('float32', [1, IMAGE_HEIGHT, IMAGE_WIDTH, COLOR_CHANNELS])

vec1 = ...

......

return model_input,vec1

def get_style_represent(vec):

# 一些tf计算操作

return new_vec

with tf.Session() as sess:

sess.run(tf.global_variables_initializer())

正确示例：正确示例：

def build_model(model_path):

model_input = tf.placeholder('float32', [1, IMAGE_HEIGHT, IMAGE_WIDTH, COLOR_CHANNELS])

vec1 = ...

......

new_vec = ... # 将get_style_represent计算操作定义在模型中

return model_input,vec1,new_vec

with tf.Session() as sess:

sess.run(tf.global_variables_initializer())

img_input,vec1,new_vec = build_model(VGG19_MODEL)

望大家多多支持我们。