深度学习之python使用过程中的内存管理

深度学习之python使用过程中的内存管理

在使用深度学习进行预测的时候，往往会使用一些list存储生成的坐标和label以及包含识别结果的图片，但是如果不及时清理则会造成内存爆满，所以及时的清理多余内存并将其释放是很必要的。打个比方，我使用not_workcloth这个list存储未穿工作服的坐标，我可以先使用thread_cor_to_lenth_not_workcloth来检测这个list的长度，当这个长度超过我设置的最大帧长 timeF时，就进行内存清理，清理的范围为thread_cor_to_lenth_not_workcloth / 3（即原始列表的三分之一），此时del的step为1，清理完后并不会回收内存，所以这时使用gc.collect(）来进行内存的回收，具体代码如下：

 # 清理工作服缓存坐标
 thread_cor_to_lenth_not_workcloth = len(not_workcloth)
 print('工作服坐标长度', thread_cor_to_lenth_not_workcloth)
 if thread_cor_to_lenth_not_workcloth > timeF:
     print('清理工作服坐标缓存序列中.....')
     jump_cor_aiuc_no_workcloth = int(thread_cor_to_lenth_not_workcloth / 3)
     print(jump_cor_aiuc_not_workcloth)
     del no_workcloth[0:jump_cor_aiuc_not_workcloth:1]
     gc.collect()
     print('回收内存', gc.collect())

一起开启新世界的大门吧😊