f = open('file.txt')  
# 使用文件
f.close()  # 关闭文件,释放内存

huge_list = [i for i in range(1000000)]  # 占用内存
# 使用完huge_list后
huge_list.clear()  # 置空列表,释放内存 
del huge_list  # 删除列表,释放内存

import weakref
a = AClass()  
w = weakref.ref(a)  
# 使用a
a = None   
obj = w()  

在上篇博客中，提到了对一个脚本进行的多次优化。当时以为已经优化得差不多了，但是当测试人员测试时，我才发现，踩到了 Python 的一个大坑。 在上文的优化中，对每500个用户，会进行一些计算并记录结果在磁盘文件中。原本以为这么做，这些结果就在磁盘文件中了，而不会再继续 占用 内存 ；但实际上， Python 的大坑就是 Python 不会自动清理这些 内存 。这是由其本身实现决定的。具体原因网上多有文章介绍，这里就不copy了。 本篇博客将贴一个笔者的实验脚本，用以说明 Python 确实存在这么一个不 释放 内存 的现象，另外也提出一个解决方案，即：先del，再显式调用gc.collect(). 脚本和具体效果见下。 之前一直盲目的认为 Python 不会存在 内存 泄露, 但是眼看着上线的项目随着运行时间的增长 而越来越大的 内存 占用 , 我意识到我写的程序在发生 内存 泄露, 之前 debug 过 logging 模块导致的 内存 泄露. 目前看来, 还有别的地方引起的 内存 泄露. 经过一天的奋战, 终于找到了 内存 泄露的地方, 目前项目 跑了很长时间, 在业务量较小的时候 内存 还是能回到刚启动的时候的 内存 占用 . 什么情况下不用这么麻烦 如果你的程序只是跑一下就退出大可不必大费周章的去查找是否有 内存 泄露, 因为 Python 在退出时 会 释放 它所分配的所有 内存 , 如果你的程序需要连续跑很长时间那么就要仔细的查找是否 产

最近在处理毕业论文数据的时候，经常会用到大型的矩阵，计算机的 内存 只有8G，常常容易爆 内存 。就想着在运行过程中，动态的 释放 内存 ，减少冗余的 内存 占用 。一般我会直接用del来删除变量，但是对于 占用 内存 较大的对象，del 并不管用，删除了 内存 也没见减小。有一个解决办法就是调用gc（垃圾回收）模块，就能立刻 释放 内存 。哦，我刚才百度到一个词，叫 内存 泄漏。 “ 内存 泄漏（Memory Leak）是...

python 话说会自己管理 内存 ，实际上，对于 占用 很大 内存 的对象，并不会马上 释放 。举例，a=range(10000*10000)，会发现 内存 飙升一个多G，del a 或者a=[]都不能将 内存 降下来。。 del 可以删除多个变量，del a,b,c,d import gc （garbage collector） del a gc.collect() 马上 内存 就 释放 了。

回答: 要查看 Python 中对象的 内存 占用 ，可以使用以下 方法 ： 1. 调用对象的内置属性`obj.__sizeof__`来获取对象的大小。 2. 使用 Python 的sys模块中的`sys.getsizeof(obj)`函数来获取对象的大小。 3. 使用 Python 内置的`total_size(obj)`函数来获取对象及其引用的所有对象的总大小。\[1\] 关于 Python 脚本运行时 内存 越来越大的问题，这可能是由于 内存 泄漏导致的。 内存 泄漏是指在程序运行过程中，分配的 内存 没有被正确 释放 ，导致 内存 占用 不断增加。解决这个问题的 方法 有： 1. 使用`del`关键字手动删除不再使用的变量，以 释放 其 占用 的 内存 。 2. 调用`gc.collect()`函数来手动触发垃圾回收，清理不再使用的对象。 3. 检查代码中是否存在循环引用的情况，即两个或多个对象相互引用，导致无法被垃圾回收。 4. 使用 内存 分析工具，如`memory_profiler`来定位 内存 泄漏的具体位置，并进行修复。\[2\]\[3\] 通过以上 方法 ，您可以查看 Python 对象的 内存 占用 ，并解决 Python 脚本运行时 内存 越来越大的问题。 #### 引用[.reference_title] - *1* [ python 查看对象 内存 占用 和对象形状/长度的 方法 小结-__size__of,sys.getsizeof(),ndarray.size,ndarray....](https://blog.csdn.net/PSpiritV/article/details/123224519)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [【解决】 Python 程序运行时所占 内存 越来越大](https://blog.csdn.net/qq_41858149/article/details/127581400)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]