所以我只是绘制了大量的情节,大约5000,我的RAM正在运行。我搜索了网站和网页,发现了多个解决方案,例如plt.close
,plt.clf()
和gc.collect()
,但都没有帮助。我不明白为什么即使我关闭所有数字,我的记忆力仍然充分。非常感谢帮助。
这里的主题相同,但没有为我提供有效的解决方案: How can I release memory after creating matplotlib figures
y = range(5039*402)
x = np.arange(0,402,1)
for i in xrange(len(data_collection)-1):
plt.figure()
plt.plot(x,y[i*402:402*(i+1)])
plt.savefig('save%i.png'%(i))
plt.close()
抱歉,这可能是一个简单的问题,但我是python的新手
答案 0 :(得分:0)
您没有提到您正在使用的matplotlib版本,但这是早期版本的已知问题(它应该在2.0.x中修复)。我用来“绕过”内存泄漏的一种方法是在自己的进程中创建每个绘图。例如,您可以为每个绘图使用子流程,线程或多进程。
我首选的方法是多处理,因为(IMO)将事物移入和移出每个过程要容易得多(对象必须是可拾取的。)
ETA:这是一个愚蠢的例子,展示了如何使用多处理构建脚本。
import datetime as dt
import multiprocessing as mp
return_queue1 = mp.Queue()
return_queue2 = mp.Queue()
def foo(text, return_queue):
for _ in range(5000):
continue
return_queue.put(dt.datetime.now())
def bar(text, return_queue):
for _ in range(5000):
continue
return_queue.put(dt.datetime.now())
for _ in range(5):
log = 0
if __name__ == '__main__':
for _ in range(100):
p1 = mp.Process(name='p1', target=foo, args=('foo', return_queue1,))
p2 = mp.Process(name='p2', target=bar, args=('bar', return_queue2,))
p1.start()
p2.start()
if return_queue1.get() > return_queue2.get():
log += 1
p1.join()
p2.join()
print(u"Times bar won: {0}".format(log))