Memory leak in tfp.math.minimize, reproducible from tutorial notebook

Aperta
  • Qualcosa non va?
#1,995 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
35/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
jupyter-notebook, python, tensorflow
Ambito
machine-learning

Direzione di ricerca

Inizia con il notebook tutorial collegato „Multiple changepoint detection and Bayesian model selection“ e riproduci il problema eseguendo tutte le celle, quindi eseguendole nuovamente a partire dalla sezione „Unknown number of states“. Confronta la memoria tra esecuzioni ripetute di tfp.math.minimize e verifica che l’aumento di circa 20 MB per esecuzione non si verifichi più.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Python version: 3.11.6
tensorflow==2.18.0
# via
# -r requirements.in
# tf-keras
tensorflow-probability==0.24.0
# via -r requirements.in
tf-keras==2.18.0
# via -r requirements.in

I am trying to perform an analysis built on the multiple changepoint detection and Bayesian model selection code found in this tutorial notebook: https://www.tensorflow.org/probability/examples/Multiple_changepoint_detection_and_Bayesian_model_selection

In the process of running the analysis for multiple datasets I observed that the memory used increases with each successive analysis, by about 20 MB per run in my code. I confirmed that this occurs with the original tutorial notebook as well to ensure that there is not an error specific to my code. The easiest way to reproduce is to download the notebook, execute all cells, then rerun from the "Unknown number of states" section. I have tried adding tf_keras.backend.clear_session() between each run, deleting all created objects before rerunning, and running garbage collection, but nothing has released the ~20MB of memory that is allocated with each tfp.math.minimize run.

Lingua principale
Jupyter Notebook
Stelle
4.4k
Fork
1.1k
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di tensorflow/probability

Tutte le issue di tensorflow/probability

Issue simili

Altre issue su Machine Learning

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.