（原）tensorflow中函数执行完毕，显存不自动释放
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了（原）tensorflow中函数执行完毕，显存不自动释放，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2362字，纯文字阅读大概需要4分钟。
内容图文
转载请注明出处：
http://www.cnblogs.com/darkknightzh/p/7608916.html
参考网址：
https://stackoverflow.com/questions/39758094/clearing-tensorflow-gpu-memory-after-model-execution
https://github.com/tensorflow/tensorflow/issues/1727#issuecomment-285815312s
tensorflow中，在一个函数内配置完GPU，tf分配了显存，等函数执行完，显存不会释放（貌似torch7中也一样。。。）。第二个参考网址指出：
As for the original problem, currently the Allocator in the GPUDevice belongs to the ProcessState, which is essentially a global singleton. The first session using GPU initializes it, and frees itself when the process shuts down. Even if a second session chooses a different GPUOptions, it would not take effect.
第一个session对GPU初始化后，即便释放了显存，第二个sess使用不同的GPU选项来初始化GPU，也不会起效。
第一个网址Oli Blum指出，use processes and shut them down after the computation才能释放显存。具体代码如下（可以参考第一个网址）：
1
import
tensorflow as tf
2
import
multiprocessing
3
import
numpy as np
4
5
def
run_tensorflow():
6
7 n_input = 10000
8 n_classes = 1000
910# Create model11def multilayer_perceptron(x, weight):
12# Hidden layer with RELU activation13 layer_1 = tf.matmul(x, weight)
14return layer_1
1516# Store layers weight & bias17 weights = tf.Variable(tf.random_normal([n_input, n_classes]))
181920 x = tf.placeholder("float", [None, n_input])
21 y = tf.placeholder("float", [None, n_classes])
22 pred = multilayer_perceptron(x, weights)
2324 cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=y))
25 optimizer = tf.train.AdamOptimizer(learning_rate=0.001).minimize(cost)
2627 init = tf.global_variables_initializer()
2829 with tf.Session() as sess:
30 sess.run(init)
3132for i in range(100):
33 batch_x = np.random.rand(10, 10000)
34 batch_y = np.random.rand(10, 1000)
35 sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})
3637print"finished doing stuff with tensorflow!"383940if__name__ == "__main__":
4142# option 1: execute code with extra process43 p = multiprocessing.Process(target=run_tensorflow)
44 p.start()
45 p.join()
4647# wait until user presses enter key48 raw_input()
4950# option 2: just execute the function51 run_tensorflow()
5253# wait until user presses enter key54 raw_input()
使用multiprocessing.Process运行run_tensorflow后，显存会自动释放，但是如果直接执行run_tensorflow，显存不会自动释放。当然，该函数计算量较小，如果显卡太好，可能看不到运行multiprocessing.Process后，显存分配、计算并释放的过程，感觉就像没有运行一样。。。
原文：http://www.cnblogs.com/darkknightzh/p/7608916.html
内容总结
以上是互联网集市为您收集整理的（原）tensorflow中函数执行完毕，显存不自动释放全部内容，希望文章能够帮你解决（原）tensorflow中函数执行完毕，显存不自动释放所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。