解除分配蟒蛇tensorflow工作簿執行

完畢後的記憶要限制使用內存我讀How to prevent tensorflow from allocating the totality of a GPU memory?，並試圖將此代碼：解除分配蟒蛇tensorflow工作簿執行

# Assume that you have 12GB of GPU memory and want to allocate ~4GB: 
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333) 
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

這些命令沒有釋放內存，但內存卻沒有代碼完成後取消分配。此問題描述： https://github.com/tensorflow/tensorflow/issues/3701建議的修復程序是更新驅動程序「將GPU驅動程序從352.79升級到367.35（最新的）後，問題消失。「不幸的是，我無法更新到最新版本的驅動程序。此問題是否已解決？

我還考慮將可用內存限制在碼頭容器中。閱讀https://devblogs.nvidia.com/parallelforall/nvidia-docker-gpu-server-application-deployment-made-easy/狀態「容器可以被限制爲系統上有限的一組資源（例如一個CPU內核和1GB內存）」，但內核目前不支持這個，在這裏我嘗試向新的docker實例添加1GB的內存：

nvidia-docker run -m 1024m -d -it -p 8889:8889 -v /users/user1234/jupyter:/notebooks --name tensorflow-gpu-1GB tensorflow/tensorflow:latest-cpu

但這並不可能出現如收到警告：警告：您的內核不支持互換極限能力，內存的限制沒有交換」

tensorflow python工作簿完成後是否有命令釋放內存？

Update

殺死/重新啓動筆記本電腦後，將取消分配內存。但如何在筆記本內完成後釋放內存。

來源

2016-12-20 blue-sky

但是關閉（終止/終止）筆記本內核後內存是否保持分配？ Oo – sygi

@sygi請參閱更新 –

我懷疑這是不可能的。像內存分配器這樣的結構是process-global（'process_state.h'），並且查看'common_runtime/bfc_allocator.cc'，看起來像釋放例程保存分配的內存以備將來使用 –

IPython的和jupyter筆記本將不會釋放內存，除非你對你的對象使用del或xdel：

https://ipython.org/ipython-doc/3/interactive/magics.html

％XDEL：刪除一個變量，試圖從任何地方清除它是IPython中的機械有引用它。默認情況下，它使用用戶命名空間中的命名對象的標識來刪除其他名稱下的引用。該對象也從輸出歷史記錄中刪除。

來源

2016-12-20 17:34:32

謝謝但變量內存沒有使用del或xdel清除，因此根據@Yaroslav Bulatov評論看來是不可能的 –

解除分配蟒蛇tensorflow工作簿執行

回答

相關問題