Question

我使用keras实现了分类程序。我有一大堆图像，我想用for循环预测每个图像。

但是，每次计算新图像时，交换内存都会增加。我试图删除预测函数中的所有变量（并且我确定它在此函数内部存在问题）但内存仍然增加。

for

和相应的功能：

git pull

Answer 1

如果您正在使用TensorFlow后端，那么您将在for循环中为每个img构建一个模型。 TensorFlow只是将图形附加到图形等上，这意味着内存刚刚上升。这是一个众所周知的事件，必须在超参数优化期间处理，当你构建许多模型时，还要在这里。

from keras import backend as K

并将其放在predict（）的末尾：

K.clear_session()

或者您可以构建一个模型并将其作为预测函数的输入提供，这样您每次都不会构建新模型。