python2.7在記憶體管理上相比python3還是有些坑的，其釋放後的記憶體仍然保留在python的記憶體池中，不被系統所用。python迴圈引用的變數不會被回收，這會導致程式越執行，佔用的記憶體越大。我在跑py-faster-rcnn的demo時，基本上跑2000張影象，16g記憶體就要爆了。於是嘗試用python的記憶體監控工具來除錯程式，找到不能膨脹的變數，然後del之，再手動回收記憶體gc.collec（）

下面是我用的兩個記憶體監視工具，一個是按每行程式碼檢視記憶體佔用的工具memory_profiler，一個是檢視佔用記憶體前十位變數的工具guppy。

1. memory_profiler

首先是安裝：

pip install -U memory_profiler

然後用profile修飾想要檢視的函式名：如：

@profile
def my_func():
    a = [1] * (10 ** 6)
    b = [2] * (2 * 10 ** 7)
    del b
    return a

if __name__ == '__main__':
    my_func()

輸出結果:

Line #    Mem usage  Increment   Line Contents
==============================================
     3                           @profile
     4      5.97 MB    0.00 MB   def my_func():
     5     13.61 MB    7.64 MB       a = [1] * (10 ** 6)
     6    166.20 MB  152.59 MB       b = [2] * (2 * 10 ** 7)
     7     13.61 MB -152.59 MB       del b
     8     13.61 MB    0.00 MB       return a
 

2. guppy

首先安裝：

pip install guppy

然後import下

from guppy import hpy
hxx = hpy()
heap = hxx.heap()
byrcs = hxx.heap().byrcs; 

在主程式下增加：

print(heap)

輸出示例：

Index  Count   %     Size   % Cumulative  % Kind (class / dict of class)
     0  10124  22 81944416  95  81944416  95 list
     1  16056  34  1325464   2  83269880  96 str
     2   9147  20   745616   1  84015496  97 tuple
     3    102   0   366480   0  84381976  98 dict of module
     4    287   1   313448   0  84695424  98 dict of type
     5   2426   5   310528   0  85005952  98 types.CodeType
     6   2364   5   283680   0  85289632  99 function
     7    287   1   256960   0  85546592  99 type
     8    169   0   192088   0  85738680  99 dict (no owner)
     9    123   0   142728   0  85881408  99 dict of class
 

可以看到第一個list佔了95%的記憶體，若print（heap）在主程式的迴圈中，可以檢視每次迴圈後的變數記憶體佔用情況。

輸入以下命令，檢視這個佔記憶體最大的list中的資料型別：

byrcs[0].byid

最後測試後發現，test.py下get_im_blob等函式佔用記憶體不斷增大，每檢測一副影象，該函式增加6-10MB記憶體開銷。但奇怪的是用guppy檢視前十個變數，並沒有發現哪個變數有明顯的記憶體增大跡象。於是猜測可能是每張影象推理後，推理的結果bbox，label，img等資料儲存在了記憶體中，這樣方便所有影象推理結束後，plt.show（）.於是修改程式，每張影象推理後，plt.show（）一下。用memory_profiler發現記憶體不再繼續增大，interesting！其實把plt.show()改成plt.close()也可以防止記憶體不斷增大。具體原因肯定是python 的記憶體回收機制規則導致的。