Spyder 的内存管理最近让我发疯。我需要加载大型数据集（最大 10 GB）并对其进行预处理。稍后我执行一些计算/建模（使用 sklearn）并在它们上绘图。Spyder 的单元功能非常适合这一点，因为它允许我多次运行相同的计算（使用不同的参数），而无需重复耗时的预处理步骤。但是，由于各种原因，我在重复运行单元格时遇到了内存问题：
- 多次重新运行同一个单元会增加内存消耗。我不明白这一点，因为我没有引入新变量，而以前的（全局）变量应该被覆盖。
- 将变量封装在函数中会有所帮助，但不会达到预期的程度。我有一种强烈的感觉，局部变量的内存通常没有被正确释放（这在使用 .copy() 返回任何值以避免引用局部变量时也成立）。
- 大型 matplotlib 对象无法正确回收。运行 gc.collect() 有时会有所帮助，但并不总是从图中清除所有已使用的内存。
- 当使用 IPython 控制台中的“清除所有变量”按钮时，通常只有部分内存被释放，而几 GB 的内存可能仍被占用。
- 从 IPython 控制台运行 %reset 效果更好，但并不总是完全清除内存（即使之后运行 import gc; gc.collect() ）。
- 唯一可以肯定的是重新启动内核。但是，我不喜欢这样做，因为它会删除控制台的所有输出。
对上述任何一点的建议，以及对 Spyder 内存管理的一些详细说明，都值得赞赏。我在我的代码中使用了多线程，并且怀疑某些问题与此有关，即使我无法查明问题。