这是内存泄漏吗？（python + numpy的）

Question

以下代码充满了我的全部记忆：

from sys import getsizeof

import numpy

# from http://stackoverflow.com/a/2117379/272471

def getSize(array):

    return getsizeof(array) + len(array) * getsizeof(array[0])

class test():

    def __init__(self):

        pass

    def t(self):

        temp = numpy.zeros([200,100,100])

        A = numpy.zeros([200], dtype = numpy.float64)

        for i in range(200):

            A[i] = numpy.sum( temp[i].diagonal() ) 

        return A

a = test()

memory_usage("before")

c = [a.t() for i in range(100)]

del a

memory_usage("After")

print("Size of c:", float(getSize(c))/1000.0)

输出为：

('>', 'before', 'memory:', 20588, 'KiB  ')

('>', 'After', 'memory:', 1583456, 'KiB  ')

('Size of c:', 8.92)

如果c是〜9 KiB，为什么为什么要使用〜1.5 GB的内存？这是内存泄漏吗？（谢谢）

该memory_usage函数已发布在SO上，为清楚起见在此进行了报告：

def memory_usage(text = ''):

    """Memory usage of the current process in kilobytes."""

    status = None

    result = {'peak': 0, 'rss': 0}

    try:

        # This will only work on systems with a /proc file system

        # (like Linux).

        status = open('/proc/self/status')

        for line in status:

            parts = line.split()

            key = parts[0][2:-1].lower()

            if key in result:

                result[key] = int(parts[1])

    finally:

        if status is not None:

            status.close()

    print('>', text, 'memory:', result['rss'], 'KiB  ')

    return result['rss']

Answer 1

如果需要，Python会从OS分配内存。如果不再需要它，它可能会也可能不会再次返回。但是，如果不返回，则内存将在后续分配中重用。您应该检查一下；但据推测，内存消耗不会增加更多。关于您的内存消耗估算：正如azorius所写，您的temp数组消耗16 MB，而您的A数组消耗约200 * 8 = 1600字节（出于内部原因，另加40）。如果采用100个字节，则为164000字节（加上一些用于列表）。除此之外，我没有任何关于您的内存消耗的解释。

Answer 2

我认为sys.getsizeof不会返回您期望的结果您的numpy向量A为64位（8个字节）-因此它占用了（至少）8 * 200 * 100 * 100 * 100 / (2.0**30) = 1.5625 GB因此，至少应在100个阵列上使用1.5 GB，最后几百毫克是用于索引大型numpy数据和100个对象的所有整数似乎无论numpy数组有多大，sys.getsizeof总是返回80：sys.getsizeof(np.zeros([200,1000,100])) # return 80 sys.getsizeof(np.zeros([20,100,10])) # return 80在您的代码中，删除a是一个很小的工厂对象，该对象的t方法返回巨大的numpy数组，并将这些巨大的数组存储在名为c的列表中。尝试删除c，那么您应该重新获得大部分RAM