在循环中使用 numpy load 时内存溢出

Question

循环加载 npz 文件会导致内存溢出（取决于文件 列表长度）。

以下内容似乎都没有帮助

1. 删除在文件中存储数据的变量。

2. 使用 mmap。

3. 调用 gc.collect()（垃圾收集）。

以下代码应该重现该现象：

import numpy as np

# generate a file for the demo
X = np.random.randn(1000,1000)
np.savez('tmp.npz',X=X)


# here come the overflow:
for i in xrange(1000000):
    data = np.load('tmp.npz')
    data.close()  # avoid the "too many files are open" error

在我的实际应用程序中，循环遍历文件列表，并且溢出超过 24GB RAM！ 请注意，这是在 ubuntu 11.10 和 numpy v 上尝试过的 1.5.1 以及 1.6.0

我已在 numpy Ticket 2048 中提交了一份报告，但是这可能引起更广泛的兴趣，所以我也将其发布在这里（此外，我不确定这是一个错误，但可能是我糟糕的编程的结果）。

解决方案（由 HYRY 提供）：

命令

del data.f

应位于命令之前，

data.close()

以获取更多信息和找到解决方案的方法，请阅读下面 HYRY 的友善回答

Answer 1

我认为这是一个错误，也许我找到了解决方案：调用“del data.f”。

for i in xrange(10000000):
    data = np.load('tmp.npz')
    del data.f
    data.close()  # avoid the "too many files are open" error

发现这种内存泄漏。您可以使用以下代码：

import numpy as np
import gc
# here come the overflow:
for i in xrange(10000):
    data = np.load('tmp.npz')
    data.close()  # avoid the "too many files are open" error

d = dict()
for o in gc.get_objects():
    name = type(o).__name__
    if name not in d:
        d[name] = 1
    else:
        d[name] += 1

items = d.items()
items.sort(key=lambda x:x[1])
for key, value in items:
    print key, value

在测试程序之后，我创建了一个字典并在 gc.get_objects() 中计数对象。输出如下：

...
wrapper_descriptor 1382
function 2330
tuple 9117
BagObj 10000
NpzFile 10000
list 20288
dict 21001

从结果中我们知道 BagObj 和 NpzFile 有问题。找到代码：

class NpzFile(object):
    def __init__(self, fid, own_fid=False):
        ...
        self.zip = _zip
        self.f = BagObj(self)
        if own_fid:
            self.fid = fid
        else:
            self.fid = None

    def close(self):
        """
        Close the file.

        """
        if self.zip is not None:
            self.zip.close()
            self.zip = None
        if self.fid is not None:
            self.fid.close()
            self.fid = None

    def __del__(self):
        self.close()

class BagObj(object):
    def __init__(self, obj):
        self._obj = obj
    def __getattribute__(self, key):
        try:
            return object.__getattribute__(self, '_obj')[key]
        except KeyError:
            raise AttributeError, key

NpzFile有del()，NpzFile.f是一个BagObj，而BagObj._obj是NpzFile，这是一个引用循环，会导致NpzFile和BagObj都不可收集。以下是Python文档中的一些解释： http://docs.python.org/library /gc.html#gc.garbage

因此，要打破引用循环，需要调用“del data.f”

Answer 2

我找到的解决方案：（python==3.8 和 numpy==1.18.5）

import gc # import garbage collector interface

for i in range(1000):
   data = np.load('tmp.npy')

   # process data

   del data
   gc.collect()