关闭会话后，Tensorflow 1.8内存仍保留在GPU上

Question

在我公司中，我们目前正在开发一个广泛使用GPU处理的应用程序：深度学习，自己的CUDA实现和使用DirectX的3D可视化。 GPU内存访问对于每个进程都很重要。使用DeepLearning（DL）模型时，我们遇到了TensorFlow（TF）的一个问题：使用DL模型关闭TF的会话后，GPU内存未释放。仅在完成申请过程后才释放它。这给我们的应用程序造成了严重的问题，因为由于内存不足，DL调用后无法完成其他处理请求。我发现有一些解决方案可以在另一个进程中启动TF会话，但是我们担心在处理之间必须复制大量内存的性能。 TF是否有其他解决方案，或者新版本有更好的解决方案？

Answer 1

TensorFlow会话拥有必须通过调用close()方法显式释放的资源。您需要显式使用该方法。

由于Session的实例是线程安全的，并且多个线程可以访问同一Session对象，因此请确保释放与该Session对象连接的所有内容，因为这可能会使Session无法正确关闭。

Here是关闭sessison子过程后如何解决内存分配问题的方法。