如何通过Keras优化循环训练模型避免数据跑时内存泄漏问题？

本文共计493个文字，预计阅读时间需要2分钟。

在完成完模型训练后，添加以下代码行即可释放model占用的内存：pythonimport tensorflow as tffrom keras import backend as KK.clear_session()tf.reset_default_graph()

在使用完模型之后，添加这两行代码即可清空之前model占用的内存：

import tensorflow as tf from keras import backend as K K.clear_session() tf.reset_default_graph()

补充知识：keras 多个模型测试阶段速度越来越慢问题的解决方法

问题描述

在实际应用或比赛中，经常会用到交叉验证（10倍或5倍）来提高泛化能力，这样在预测时需要加载多个模型。常用的方法为

mods = [] from keras.utils.generic_utils import CustomObjectScope with CustomObjectScope({}): for model_file in tqdm.tqdm(model_files): mod = keras.models.load_model(model_file) mods.append(mod) return mods

使用这种方式时会发现，刚开始模型加载速度很快，但随着加载的模型数量增多，加载速度越来越慢，甚至延长了3倍以上。