python - 减少长时间运行的应用程序中的 numpy 内存占用

Question

在我的应用程序中，生成了一百个 numpy 数组(每个数组有 1000 个复杂元素)并填充了数据。然后经过多次迭代，数组元素被一遍又一遍地修改。初始生成后，系统监视器报告大约 50 Mb 的 RAM 使用情况。虽然我没有生成任何新阵列，但每次迭代占用的空间会以大约 40 Mb 的速度增长。

我学会了here ，垃圾收集器不处理 numpy 数组。因此，我假设我生成的一些用于处理数据的临时数组未正确收集。

Here不幸的是，它说 guppy.hpy().heap() 对分析 numpy 没有帮助。

我如何确定问题的根源并理想地在任意次数的迭代中保持消耗不变？

我怀疑我可能在按照描述分配数组元素时生成副本 here ，然后不进行垃圾收集。

我可以手动处理临时 numpy 数组以协助垃圾回收吗？

[更新一]:示例代码

这段代码被调用了数千次。每一次，足迹都会增加。我不明白为什么，因为据我了解，它只是读取现有数组并操作其他现有数组。这些切片操作中的任何一个都在做一些意想不到的事情吗？ (抱歉，行长。我可以简化它，但那样我也可能会隐藏我的错误。)

for ts in np.arange(numTimeslots):
            for fc in np.arange(numFreqChunks):
                interfencep = np.sum( np.dot(np.dot(self.baseStations[bs].cells[cell].CSI_OFDMA[:,:,fc,ts] ,np.diag(cell.OFDMA_power[:,fc,ts])),self.baseStations[bs].cells[cell].CSI_OFDMA[:,:,fc,ts].conj().T) for bs in self.baseStations for cell in bs.cells if cell != self._cell) 
                noisep = np.eye(self.antennas) * (self.noisePower / numFreqChunks)
                self.OFDMA_interferenceCovar[:,:,fc,ts] = noisep + interfencep
                self.OFDMA_EC[:,:,fc,ts] = (np.dot(np.dot(self.OFDMA_CSI[:,:,fc,ts],linalg.inv(noisep+interfencep)),self.OFDMA_CSI[:,:,fc,ts].conj().T))
                eigs = linalg.eig(self.OFDMA_EC[:,:,fc,ts])[0]
                self.OFDMA_SINR[:,fc,ts] = np.real(eigs)

[更新 2]:对于那些好奇的人，这是移动网络模拟器的一部分。在 virtualenv、Python 2.7.3、Numpy 1.6.2、SciPy 0.11.0b1 上运行

[更新 3]:通过对其进行评论并检查系统监视器，我可以确定“interferencep = ...”行是罪魁祸首。它分配了大量未释放的内存。但是为什么？

Answer 1

我遇到了同样的问题。不幸的是，我没有找到解决方法。唯一对我有用的是将代码重构为小的独立函数。应该制作这些函数，以便我可以说服自己，我没有保留对阻止垃圾收集器收集数组的数组的引用。您应该特别注意通过切片等生成的数组 View ......

为了提高代码的内存效率并减少内存泄漏，我经常发现使用许多 numpy 函数提供的 out= 关键字参数很有用。