基于Keras 循环训练模型跑数据时内存泄漏的解决方式

基于Keras 循环训练模型跑数据时内存泄漏的解决方式

更多python视频教程请到菜鸟教程https://www.piaodoo.com/

在使用完模型之后，添加这两行代码即可清空之前model占用的内存：

import tensorflow as tf
from keras import backend as K

K.clear_session()
tf.reset_default_graph()

补充知识：keras 多个模型测试阶段速度越来越慢问题的解决方法

问题描述

在实际应用或比赛中，经常会用到交叉验证（10倍或5倍）来提高泛化能力，这样在预测时需要加载多个模型。常用的方法为

mods = []
  from keras.utils.generic_utils import CustomObjectScope
  with CustomObjectScope({}):
    for model_file in tqdm.tqdm(model_files):
      mod = keras.models.load_model(model_file)
      mods.append(mod)
  return mods

使用这种方式时会发现，刚开始模型加载速度很快，但随着加载的模型数量增多，加载速度越来越慢，甚至延长了3倍以上。那么为什么会出现这种现象呢？

原因

由于te