我在dask分布式，tensorflow，keras设置上优化ML模型。 工作进程在内存中不断增长。
Tensorflow使用25个节点的CPU。每个节点都有大约3个工作进程。
每项任务大约需要20秒。
我不希望每次内存已满时重新启动，因为这会使操作停止一段时间，从而导致延迟。
我在.gather（）之后使用client.cancel（）但没有效果。我在任务中执行gc.collect（）但也没有效果。
唯一的解决方案是重新启动工作进程。
任何人都有其他解决方案吗？
Dask分发版：1.21.1 Python：3.6.3 Tensorflow：1.7 Keras：2.1.5
答案 0 :(得分：0)
需要清除Keras（Tensorflow）。
from keras import backend as K
K.clear_session()