Question

我有数百个非常大的矩阵，如（600,800）或（3,600,800）个形状的矩阵。

因此，我想在我不再需要的时候尽快取消分配使用的内存。

我想：

some_matrix = None

应该完成这项工作，还是只是将参考设置为无但在内存中的某个地方仍然分配了空间？（比如保留分配的空间以便将来重新初始化some_matrix）

此外：有时我正在切片矩阵，计算一些东西并将值放入缓冲区（列表，因为它会一直追加）。因此，将列表设置为None肯定会释放内存，对吧？

或者是否存在某种unset()方法，其中整个标识符及其引用的对象被“删除”？

Answer 1

你肯定想看看garbage collection。与C/C++之类的编程语言不同，程序员必须在不再需要空间时自行释放动态分配的内存，python有一个垃圾收集。这意味着python本身在necessary时释放内存。

使用some_matrix = None时，将变量与内存空间取消链接;引用计数器减少，如果它达到0，垃圾收集器将释放内存。当您使用MSeifert建议的del some_matrix时，内存不会立即释放，而不是答案所说的内容。根据{{3}}，这是发生的事情：

删除名称会删除该名称与本地或全局名称空间的绑定

引擎盖下发生的事情是，内存空间的引用计数器减少1，与分配None或使用del无关。当此计数器达到0时，垃圾收集器将来free将占用内存空间。唯一的区别是，当使用del时，从上下文中可以清楚地看出，您不再需要该名称了。

如果您查看垃圾收集的文档，您将看到您可以自己调用它或更改其某些参数。

Answer 2

Numpy在引用计数器为零时删除数组（或者至少跟踪引用计数器并让操作系统收集垃圾）。

例如

import numpy as np
a = np.linspace(0,100, 10000000)
a = None

将立即“释放”内存（首选方式是写del a）而

import numpy as np
a = np.linspace(0,100, 10000000)
b = a
a = None

将一无所获。

你提到过切片。切片只是数据的一个视图，因此与第二个示例完全相同。如果不删除引用同一阵列的两个变量，操作系统将保留数组。

如果我做了非常昂贵的事情，我将始终坚持执行操作的单独功能，并且只返回真正需要的内容。函数自行清理，因此释放任何中间结果（如果没有返回）。

Answer 3

如果您必须执行以下操作，尽管将隐式创建a的副本，则将不会释放以下内存：

a = np.ones((10000, 10000))
b = np.empty((10000, 10000))
b[:] = a
a = None
del a

相反，您可以执行以下操作，并且在执行a = None后将释放内存：

a = np.ones((10000, 10000))
b = np.empty((10000, 10000))
b[:] = np.copy(a)
a = None
del a