为什么函数完成后内存没有释放？答案

【问题标题】：Why memory isn't liberate when the function is finished?为什么函数完成后内存没有释放？
【发布时间】：2016-07-19 04:18:36
【问题描述】：

当我执行下面的程序时，内存增加得非常快，所以我认为名为“secundary_function”的函数中使用的内存没有被释放。如果我复制我附加到列表的元素，或者如果我不使用secundary_function，问题就会消失。我想了解为什么这里需要复制以及为什么secundary_function 对使用的内存有影响..

import numpy as np
import time

def main_function(N):
    liste_images = []

    for i in range(N) :
        images = np.zeros((3000,25,25))
        time.sleep(0.05)
        secundary_function(images)
        liste_images.append(images[0])

def secundary_function(images):
    conservee = np.arange(len(images))
    images[conservee]

main_function(6000)

谢谢你的回答，对不起我的英语！

【问题讨论】：

看起来您正在生成一个 3000x25x25 的 3D 数组 6000 次。这是你的意图吗？
另请参阅此链接以释放内存：stackoverflow.com/questions/18310668/…
在原始程序中，图像每次都是不同的 3D 阵列，并且有一个测试选择我想保留在 liste_images 列表中的一些 25x25 2D 阵列。但在我看来，每次创建新的 3D 数组“图像”时，都应该释放内存。
您的代码有一些问题。您需要懂法语才能知道main_function 与fonction_principale 相同。 secondary_function 的最后一行毫无意义。您正在用另一个数组索引一个数组？
在 Python 中，变量实际上是指向对象的标签。只有在不再引用对象时，才能从内存中删除对象。也许您的原始程序保留了一些参考？

标签： python-3.x numpy memory-leaks

【解决方案1】：

在这一行：

liste_images.append(images[0])

images[0] 创建一个 3000x25x25 images 数组的视图。这意味着您附加到liste_images 的images[0] 的结果具有对整个3000x25x25 数组的引用。这个大数组不会被垃圾收集。进行复制时，您会创建一个新的 25x25 数组，并且可以在 for 循环的下一次迭代中释放大数组。

【讨论】：

但是我不明白为什么，如果我不使用secundary_function这个功能，问题就消失了……
@morningsun 好的，谢谢。我想我明白了：当我将images[conservee] 替换为images*2 时，问题是一样的。如果它不在 RAM 中，我只是不明白当我不使用它时阵列的存储位置。在硬盘上？不会很慢吧？
@Yohan.P - 最初只存储数组的大小和一些其他元数据。操作系统会跟踪实际使用数组的时间，然后才分配在内存中使用的数组（部分）。