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dela,bor gc.collect()。该过程结束时，将释放所有内存。
import matplotlibmatplotlib.use(’Agg’)import matplotlib.pyplot as pltimport numpy as npimport multiprocessing as mpdef 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 hereif __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。
解决方法我正在运行django应用程序，其中包括matplotlib，并允许用户指定图形的轴。这可能会导致 “溢出错误：超出了Agg复杂度”
发生这种情况时，最多会占用100MB的RAM。通常，我会使用fig.gcf()，plot.close()和释放该内存gc.collect()，但是与该错误关联的内存似乎与该绘图对象无关。
有谁知道我该如何释放记忆？
谢谢。
这是一些给我Agg复杂度错误的代码。
import matplotlibmatplotlib.use(’Agg’)import matplotlib.pyplot as pltimport numpy as np import gca = np.arange(1000000)b = np.random.randn(1000000)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(’yourdesktop/random.png’) # code gives me an error herefig.clf() # normally I use these lines to release the memoryplt.close()del a,bgc.collect()
