我是 Keras 和 tensorflow 的新手，并且遇到了問題。我正在使用一些損失函數（主要是 binary_crossentropy 和 mean_squared_error）來計算預測后的損失。由于 Keras 只接受它自己的變量類型，因此我創建了一個并將其作為參數提供。此場景在循環中執行（帶睡眠），如下所示：獲取適當的數據 -> 預測 -> 計算丟失的數據 -> 返回它。由于我有多個遵循此模式的模型，因此我創建了 tensorflow 圖和會話以防止沖突（在導出模型的權重時，我遇到了單個圖和會話的問題，因此我必須為每個模型創建不同的模型）。但是，現在內存不受控制地增加，在幾次迭代中從幾 MiB 增加到 700MiB。我知道 Keras 的 clear_session() 和 gc.collect()，我在每次迭代結束時使用它們，但問題仍然存在。這里我提供了一個來自項目的代碼片段，它不是實際的代碼。我創建了單獨的腳本以隔離問題：import tensorflow as tffrom keras import backend as Kfrom keras.losses import binary_crossentropy, mean_squared_errorfrom time import time, sleepimport gcfrom numpy.random import randfrom os import getpidfrom psutil import Processfrom csv import DictWriterfrom keras import backend as Kthis_process = Process(getpid())graph = tf.Graph()sess = tf.Session(graph=graph)cnt = 0max_c = 500with open('/home/quark/Desktop/python-test/leak-7.csv', 'a') as file:    writer = DictWriter(file, fieldnames=['time', 'mem'])    writer.writeheader()    while cnt < max_c:          with graph.as_default(), sess.as_default():                     y_true = K.variable(rand(36, 6))            y_pred = K.variable(rand(36, 6))            rec_loss = K.eval(binary_crossentropy(y_true, y_pred))            val_loss = K.eval(mean_squared_error(y_true, y_pred))            writer.writerow({                'time': int(time()),                'mem': this_process.memory_info().rss            })        K.clear_session()        gc.collect()        cnt += 1        print(max_c - cnt)        sleep(0.1)此外，我還添加了內存使用圖： Keras memory leak任何幫助表示贊賞。