我假设您可以至少运行一次您发布的代码。该问题仅在多次运行发布的代码后才会显现出来。正确?
如果是这样,则下面的方法可以避免问题,而无需真正确定问题的根源。也许这是一件坏事,但这在紧要关头起作用:只需用于multiprocessing
在单独的进程中运行内存密集型代码。您不必担心fig.clf()
orplt.close()
或del a,b
or gc.collect()
。该过程结束时,将释放所有内存。
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import numpy as np
import multiprocessing as mp
def worker():
N=1000000
a = np.arange(N)
b = np.random.randn(N)
fig = plt.figure(num=1, dpi=100, facecolor='w', edgecolor='w')
fig.set_size_inches(10,7)
ax = fig.add_subplot(111)
ax.plot(a, b)
fig.savefig('/tmp/random.png') # code gives me an error here
if __name__=='__main__':
proc=mp.Process(target=worker)
proc.daemon=True
proc.start()
proc.join()
您也不需要proc.join()
。该join
会阻塞主过程,直到worker
完成。如果省略join
,则主过程将继续worker
在后台运行。