SIFT memory leak

Offen

#169 erstellt am 24.12.2017 1 Kommentar 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit: 4/5
Geschätzter Aufwand: 3-5 Tage
Anfängerfreundlichkeit: 35/100

Issue-Typ: Bug
Klarheit: Größtenteils klar
Aktivitätsstatus: Veraltet
Tech-Stack: python
Bereich: backend, performance

Rechercherichtung

Beginne damit, die bereitgestellte Schleife mit af.load_image, af.vision.sift, af.device.device_gc und af.print_mem_info zu reproduzieren, und vergleiche dann ihr Verhalten mit der im Issue beschriebenen C-Implementierung und dem ORB-Ergebnis. Verfolge die Bereinigung der Features rund um af_release_features und die SIFT/GLOH-Bindings; fertig bedeutet, dass wiederholte Erkennung keinen weiteren Speicherzuwachs zeigt.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

It seems that the SIFT detection leaks memory. Here is the example script I am running.

import arrayfire as af
import time

while True:
    im = af.load_image('image.jpg')
    feats, desc = af.vision.sift(im)

    af.device.device_gc()
    af.print_mem_info()
    time.sleep(1)

I solved part of the leaks in #168. Apparently the features destructor wasn't called, and af_release_features needed to be called explicitly from python.

With this fix the ORB feature detection works without leaks, but SIFT and GLOH still do.

Running pretty much the same methods in C works without a memory leak. So I think there might be another destructor that ought to be called explicitly, just like af_release_features, but I could not figure out where the leak was originated from.

Vorherrschende Sprache: Python
Sterne: 422
Forks: 63
PR-Merge-Kennzahlen: Keine gemergten PRs in 30 T.

Beitragsleitfaden

Für dieses Repository ist kein Beitragsleitfaden indexiert

Erste Schritte

Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
Forken Sie das Repository und arbeiten Sie in einem Branch.
Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus arrayfire/arrayfire-python

[Question] [Feature Request] __matmul__, Internal Type Hinting Offen

Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100

arrayfire/arrayfire-python#271 · Erstellt am 13.6.2025
Unwrap phase function Offen

Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100

arrayfire/arrayfire-python#270 · Erstellt am 17.2.2025
`dtype` parameter, and `from_ndarray` crash Offen

Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 35/100

arrayfire/arrayfire-python#269 · Erstellt am 08.10.2024
af.features.Features crashes when its __del__ method is called Offen

Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 38/100

arrayfire/arrayfire-python#268 · 1 Kommentar · Erstellt am 20.9.2024
OpenCL interoperability does not work on CUDA machine Offen

Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 48/100

arrayfire/arrayfire-python#267 · 1 Kommentar · 1 Reaktion · Erstellt am 22.4.2024

Alle Issues in arrayfire/arrayfire-python