python - 如何在spyder中的ipython中释放keras中的GPU资源？

Question

当我通常从命令行运行 python 脚本时，例如 python test.py，GPU 内存将在脚本完成后立即释放。在这个 test.py 脚本中，我只是加载了一个 keras 构建的模型来评估和预测一些数据。其中没有培训过程。但是，如果我打开“spyder”，并在“spyder”中运行此脚本，结果将出现在“ipython”部分，但随后我从命令行输入 nvidia-smi，GPU 内存没有被释放。所以，我尝试的是关闭这个“ipython”内核并启动一个新内核。但我所有其他变量都将丢失。在“spyder”的 model.evaluate(x, y) 后，有没有一种合适的方法来释放 GPU 内存？以下是一些屏幕截图:

从“spyder”运行脚本之前和之后:

Answer 1

通常，tensorflow后端会保留GPU上的所有内存。它可能不会真正使用所有内存，但它将一直被其他程序占用，直到 TensorFlow 后端终止。所以在nvidia-smi中你会看到即使tensorflow已经释放了其框架中以前的内存，内存也没有释放。