我正在編寫一個腳本，它有時會泄漏張量。這可能在多種情況下發生，例如當我訓練神經網絡時，但訓練崩潰了。在這種情況下，訓練被中斷并且不會正確地處理張量。這會導致內存泄漏，我試圖通過處理未使用的張量來清理它。例子在下面的片段中，我正在訓練兩個（非常簡單的）模型。第一次運行將起作用并且不會導致張量泄漏（訓練前的張量數 = 訓練后的張量數）。第二次，我reshape在訓練期間使用無效層強制崩潰。因此，會拋出錯誤，并且數據集中的張量（我猜？）將不會被正確處理。該代碼是展示張量可能如何泄漏的示例。async function train(shouldCrash) {  console.log(`Training, shouldCrash=${shouldCrash}`);  const dataset = tf.data.zip({ // setup data    xs: tf.data.array([[1],[1]]),    ys: tf.data.array([1]),  }).batch(1);  const model = tf.sequential({ // setup model    layers: [      tf.layers.dense({units: 1, inputShape: [1]}),      tf.layers.reshape({targetShape: [(shouldCrash ? 2 : 1)]}), // use invalid shape when crashing    ],  });  model.compile({ optimizer: 'sgd', loss: 'meanSquaredError' });  console.log('  Tensors before:', tf.memory().numTensors);  try {    const history = await model.fitDataset(dataset, { epochs: 1 });  } catch (err) {    console.log(`    Error: ${err.message}`);  }  console.log('  Tensors after:', tf.memory().numTensors);}(async () => {  await train(false); // normal training  await train(true); // training with error})();<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>問題有tf.tidy, 在某些情況下可以幫助我處理未使用的張量，但它只能用于同步函數調用。因此，在調用await model.fitDataset(...).有沒有辦法處理任何未使用的張量？或者，有沒有辦法處理頁面上所有現有的張量（無需重新加載）？