TensorFlow节点对象无法被Python垃圾收集器回收，会导致内存溢出，有什么好办法？

Question

我在使用TensorFlow做卷积神经网络，在数据预处理阶段，使用TensorFlow的一些方法来对大约两万张图片进行处理。但是运行的过程中，发现程序所占用内存不断增大。检查发现是这部分代码中的对象内存无法回收

import tensorflow as tf
## 对图片文件名称进行遍历，取出图片内容并做标准化处理
for image_filename in image_filenames:
    image_file = tf.read_file(image_filename)
    image = tf.image.decode_jpeg(image_file)
    grayscala_image = tf.image.rgb_to_grayscale(image)
    resized_image = tf.image.resize_images(grayscala_image, [250, 151])

我知道python的垃圾收集器是根据对象引用情况来决定是否回收内存的，所以我想查看TensorFlow对象的内存引用情况，发现如下情况：

>>> import tensorflow as tf
>>> import sys
>>> a = '你好'
>>> b = '世界'
>>> c = tf.add(a, b)
>>> sys.getrefcount(a)
2
>>> sys.getrefcount(b)
2
>>> sys.getrefcount(c)
3
>>> 

我知道“你好”这个字符串对象会分别被a 和 sys.getrefcount()方法的形参所引用，所以打印出来的结果是2. “世界”这个对象也同样是这样。这类对象在for循环之后，会被垃圾收集器收回内存。

然而，tf.add(a, b)这个TensorFlow对象就多了一个引用值，导致垃圾收集失败，在数据比较大的情况下(比如我现在的图片数据)，就会导致占用内存越来越多，程序运行也越来越慢。

我试了手动del对象引用，并调用

gc.collect()

然而由于无法把tf对象的引用降为0，所以并无卵用。

请问有哪位大神遇到过此类问题吗？我想请问有什么思路可以解决这个问题。

Thanks for your time.

Answer 1

在我遇到的问题中，我在for循环内部是对指向图片数据的对象的变量名做了del操作的，比如del image_file 请问我应该修改为类似于image_file = None这样的写法吗？

Answer 2

我试了一下，仍然不能回收tf节点对象，感谢您的回答

Answer 3

主动将对象的指针设置为None

Answer 4

链接失效，怎么解决的，博主