下面是调用模型进行批量测试的代码(出现溢出)，开始以为导致溢出的原因是数据读入方式问题引起的，用了tf , PIL和cv等方式读入图片数据，发现越来越慢，内存占用飙升，调试时发现是sess.run这里出了问题（随着for循环进行速度越来越慢）。
# Creates graph from saved GraphDef
create_graph(pb_path)
# Init tf Session
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
init = tf.global_variables_initializer()
sess.run(init)
input_image_tensor = sess.graph.get_tensor_by_name("create_inputs/batch:0")
output_tensor_name = sess.graph.get_tensor_by_name("conv6/out_1:0")
for filename in os.listdir(image_dir):
image_path = os.path.join(image_dir, filename)
start = time.time()
image_data = cv2.imread(image_path)
image_data = cv2.resize(image_data, (w, h))
image_data_1 = image_data - IMG_MEAN
input_image = np.expand_dims(image_data_1, 0)
raw_output_up = tf.image.resize_bilinear(output_tensor_name, size=[h, w], align_corners=True)
raw_output_up = tf.argmax(raw_output_up, axis=3)
predict_img = sess.run(raw_output_up, feed_dict={input_image_tensor: input_image}) # 1，height，width
predict_img = np.squeeze(predict_img) # height， width
voc_palette = visual.make_palette(3)
masked_im = visual.vis_seg(image_data, predict_img, voc_palette)
cv2.imwrite("%s_pred.png" % (save_dir + filename.split(".")[0]), masked_im)
print(time.time() - start)
print("Done")
下面是解决溢出问题的代码（将部分代码放在for循环外）
# Creates graph from saved GraphDef
create_graph(pb_path)
# Init tf Session
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
init = tf.global_variables_initializer()
sess.run(init)
input_image_tensor = sess.graph.get_tensor_by_name("create_inputs/batch:0")
output_tensor_name = sess.graph.get_tensor_by_name("conv6/out_1:0")
##############################################################################################################
raw_output_up = tf.image.resize_bilinear(output_tensor_name, size=[h, w], align_corners=True)
raw_output_up = tf.argmax(raw_output_up, axis=3)
##############################################################################################################
for filename in os.listdir(image_dir):
image_path = os.path.join(image_dir, filename)
start = time.time()
image_data = cv2.imread(image_path)
image_data = cv2.resize(image_data, (w, h))
image_data_1 = image_data - IMG_MEAN
input_image = np.expand_dims(image_data_1, 0)
predict_img = sess.run(raw_output_up, feed_dict={input_image_tensor: input_image}) # 1，height，width
predict_img = np.squeeze(predict_img) # height， width
voc_palette = visual.make_palette(3)
masked_im = visual.vis_seg(image_data, predict_img, voc_palette)
cv2.imwrite("%s_pred.png" % (save_dir + filename.split(".")[0]), masked_im)
print(time.time() - start)
print("Done")
总结：
在迭代过程中, 在sess.run的for循环中不要加入tensorflow一些op操作，会增加图节点，否则随着迭代的进行，tf的图会越来越大，最终导致溢出；
建议不要使用tf.gfile.FastGFile(image_path, 'rb').read()读入数据（有可能会造成溢出），用opencv之类读取。
以上这篇解决Tensoflow sess.run导致的内存溢出问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。