张量流对象检测-并行线程中的许多检测器

Question

我想实时处理几个视频流。我接受了this gist并进行了一些更改。这是我现在拥有的：

在主线程中运行一次。 self是主类的唯一对象：

self.detection_graph = tf.Graph()
with self.detection_graph.as_default():
    od_graph_def = tf.GraphDef()
    with tf.gfile.GFile(model_path, 'rb') as fid:
        serialized_graph = fid.read()
        od_graph_def.ParseFromString(serialized_graph)
        tf.import_graph_def(od_graph_def, name='')

在每个线程中运行。现在self是扩展Thread的类的对象：

self.default_graph = self.detection_graph.as_default()
self.sess = tf.Session(graph=self.detection_graph)
self.image_tensor = self.detection_graph.get_tensor_by_name('image_tensor:0')
self.detection_boxes = self.detection_graph.get_tensor_by_name('detection_boxes:0')
self.detection_scores = self.detection_graph.get_tensor_by_name('detection_scores:0')
self.detection_classes = self.detection_graph.get_tensor_by_name('detection_classes:0')
self.num_detections = self.detection_graph.get_tensor_by_name('num_detections:0')

# ...

frame_np_expanded = np.expand_dims(frame, axis=0) 
boxes, scores, classes, num = self.sess.run(
        [self.detection_boxes, self.detection_scores,
        self.detection_classes, self.num_detections],
        feed_dict={self.image_tensor: frame_np_expanded})

# ...

self.sess.close()

现在看起来它在运行时是并行的，但此刻甚至单个检测器线程都消耗了我拥有的所有3 GB视频内存，在获得更多信息之前，我想知道：

1. 真的是平行的还是错过了什么？我是tf的初学者。
2. tf是否为所有线程使用3 GB（或者如果有的话，还要更多）的视频内存，或者每个线程都需要自己的3 GB？如果是第二个，我可以重写代码做为第一个吗？
3. 为什么在关闭会话并完成线程后tf无法释放内存？我读过this，但解决方案看起来很激进。