python: memory_profiler包，记录代码内存使用情况，查找内存泄漏原因

前言

最近用paddlepaddle，发现训练每个epoch时，内存都会增加几百兆，这明显就是出现了内存泄漏。python中内存泄露的原因比C++（一般就是动态内存分配）更加隐蔽，可以借助memory_profiler这个包监控python代码的内存使用。

安装

直接pip安装就完事了

pip install memory_profiler

简单使用

只需要在.py文件中导入memory_profiler包中的profiler方法，然后作为某个函数的装饰器，就能够记录该函数内部代码的内存使用情况了：

# learn_mprof.py from memory_profiler import profile import numpy as np

@profile def count(): print('+++++++++++') a = 0; b = 1; c = a + b print('a+b=c') print('{}+{}={}'.format(a, b, c)) print('+++++++++++') arr = np.ones([1000, 1000]) print(arr.shape) print('+++++++++++') if __name__ == '__main__': count() 

然后运行：

python learn_mprof.py

输出结果：

+++++++++++
a+b=c
0+1=1
+++++++++++
(1000, 1000)
+++++++++++
Filename: learn_mprof.py

Line #    Mem usage    Increment  Occurrences   Line Contents
=============================================================
     4     53.4 MiB     53.4 MiB           1   @profile
     5                                         def count():
     6     53.4 MiB      0.0 MiB           1       print('+++++++++++')
     7     53.4 MiB      0.0 MiB           1       a = 0;
     8     53.4 MiB      0.0 MiB           1       b = 1;
     9     53.4 MiB      0.0 MiB           1       c = a + b
    10     53.4 MiB      0.0 MiB           1       print('a+b=c')
    11     53.4 MiB      0.0 MiB           1       print('{}+{}={}'.format(a, b, c))
    12     53.4 MiB      0.0 MiB           1       print('+++++++++++')
    13     61.1 MiB      7.7 MiB           1       arr = np.ones([1000, 1000])
    14     61.1 MiB      0.0 MiB           1       print(arr.shape)
    15     61.1 MiB      0.0 MiB           1       print('+++++++++++')

Mem usage表示当前内存使用，Increment表示该行代码的内存增量，Occurences表示该行代码运行了几次。

如果要找内存泄漏，直接看Increment就OK了；如果想找内存瓶颈，就看Mem usage。

记录时间-内存的使用情况

如果想记录.py文件运行时，内存使用随时间的变化，也很简单，直接运行：

mprof run learn_mprof.py

输出结果：

mprof: Sampling memory every 0.1s
running new process
running as a Python program...
+++++++++++
a+b=c
0+1=1
+++++++++++
(1000, 1000)
+++++++++++
Filename: learn_mprof.py

Line #    Mem usage    Increment  Occurrences   Line Contents
=============================================================
     4     53.6 MiB     53.6 MiB           1   @profile
     5                                         def count():
     6     53.6 MiB      0.0 MiB           1       print('+++++++++++')
     7     53.6 MiB      0.0 MiB           1       a = 0;
     8     53.6 MiB      0.0 MiB           1       b = 1;
     9     53.6 MiB      0.0 MiB           1       c = a + b
    10     53.6 MiB      0.0 MiB           1       print('a+b=c')
    11     53.6 MiB      0.0 MiB           1       print('{}+{}={}'.format(a, b, c))
    12     53.6 MiB      0.0 MiB           1       print('+++++++++++')
    13     61.3 MiB      7.7 MiB           1       arr = np.ones([1000, 1000])
    14     61.3 MiB      0.0 MiB           1       print(arr.shape)
    15     61.3 MiB      0.0 MiB           1       print('+++++++++++')

此时，在运行目录中会多出一个mprofile_xxxxxxxxxxxx.dat文件，可以通过这个文件画出时间-内存图：

mprof plot mprofile_xxxxxxxxxxxxxxxx.dat

效果：