Memory leak when calling certain python packages from Julia via PythonCall
Mantenedores costumam responder em até 1 dia
Ninguém assumiu esta issue ainda.
Avaliação
- Dificuldade
- 4/5
- Tempo estimado
- 3-5 dias
- Facilidade para iniciantes
- 45/100
- Tipo de issue
- Bug
- Clareza
- Razoavelmente clara
- Status de atividade
- Pouca atividade
- Domínio
- performance
Direção de pesquisa
Comece executando o MWE fornecido de PythonCall e matplotlib com as versões listadas de Julia, Python e dos pacotes e, em seguida, compare seu comportamento de memória com o loop de numpy. Investigue por que fechar e excluir a figura e os eixos não libera memória; considera-se concluído quando o loop repetido não crescer mais indefinidamente e o comportamento for verificado na REPL e no script de linha de comando.
Escrita pelo modelo de indexação a partir do texto da issue.
Descrição
Affects: PythonCall
Describe the bug
Memory is not released when repeatedly creating and closing matplotlib figures via PythonCall. I originally had the issue with an elaborate cartopy plotting loop, but have managed to recreate it in a simple while true loop MWE. Each iteration allocates a new figure/axes via plt.subplots, immediately closes it with plt.close, calls PythonCall.pydel! on both the figure and axes objects, and calls GC.gc(). However, there is still a leak until the process is killed.
This does not occur when repeatedly allocating and deleting a numpy array in an equivalent loop, so the issue has something to do with what kind of python objects are created. I also have similar memory leak issues with scikit-learn.
The issue is reproducable both in the Julia REPL and in the VS Code Julia extension, and when I execute a script containing the below code from the command line.
MWE:
using PythonCall
@py import matplotlib.pyplot as plt
i = 0
while true
global i += 1
fig, ax = plt.subplots(1, 1)
plt.close(fig)
PythonCall.pydel!(ax)
PythonCall.pydel!(fig)
GC.gc()
println("Iteration $i done")
end
My system
OS: macOS 15.7.4 (arm64, Apple Silicon)
Julia: 1.12.6
Python: 3.14.2 (conda-forge, Clang 20.1.8)
PythonCall: 0.9.31
matplotlib: 3.10.8
Thanks for your help!
- Linguagem predominante
- Julia
- Estrelas
- 1.1k
- Forks
- 89
- Merge médio
- 2d 15h
- PRs com merge (30d)
- 7
Preparar o ambiente
Este projeto não oferece contêiner de desenvolvimento, Dockerfile nem guia de contribuição, então a configuração fica por sua conta: comece pelo README e veja nosso guia da primeira contribuição para os passos gerais.
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de JuliaPy/PythonCall.jl
-
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 55/100
JuliaPy/PythonCall.jl#828 · 7 comentários ·
Mantenedores costumam responder em até 1 dia
-
bug
Dificuldade 4/5 3-5 dias Facilidade para iniciantes 48/100
JuliaPy/PythonCall.jl#809 · 2 comentários ·
Mantenedores costumam responder em até 1 dia
-
Locking julia dependenciesAbertaenhancement
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 35/100
JuliaPy/PythonCall.jl#805 · 4 comentários ·
Mantenedores costumam responder em até 1 dia
-
enhancement
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 68/100
JuliaPy/PythonCall.jl#796 ·
Mantenedores costumam responder em até 1 dia
-
enhancement
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 25/100
JuliaPy/PythonCall.jl#790 ·
Mantenedores costumam responder em até 1 dia
Todas as issues de JuliaPy/PythonCall.jl
Issues semelhantes
-
Chains resumed from `initial_state` take `num_warmup + 1` warm-up stepsTalvez já em andamento @thevolatilebit assumiu hoje. Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 80/100
TuringLang/AbstractMCMC.jl#220 ·
-
found-by-agent
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 68/100
exanauts/SparseDirectSolver.jl#92 ·
Mantenedores costumam responder em até 1 dia
-
`inv` of a dense matrix fails for arrays whose `parent` is not an array of the same kindTalvez já em andamento @devmotion assumiu hoje. Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100
JuliaLang/LinearAlgebra.jl#1740 ·
Mantenedores costumam responder em até 2 dias
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 78/100
Mantenedores costumam responder em até 1 dia
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 90/100
NumericalEarth/Breeze.jl#1051 ·
Mantenedores costumam responder em até 1 dia