Python中使用visual.MovieStim3循环播放大量视频时出现内存错误

看起来你遇到的是典型的内存泄漏+PortAudio资源未正确释放问题，尤其是在循环创建大量visual.MovieStim3对象时，即使调用了del和_unload()，某些底层资源（比如音频流）可能还是没被彻底回收，导致累积到一定次数后触发内存错误或PortAudio超时。结合你的代码和调试尝试，给你几个针对性的解决方案：

你的现有清理代码可能不够彻底，建议在每次迭代结束后，增加更完整的资源释放步骤，覆盖音频流、事件队列和垃圾回收：

# 播放结束后执行完整清理流程
video.stop()
# 手动关闭音频流（PortAudio泄漏的核心诱因）
if hasattr(video, '_audio') and video._audio is not None:
    video._audio.stop()
    video._audio.close()
# 卸载视频资源
video._unload()
# 删除对象引用
del video
# 清空按键事件队列，避免事件累积占用内存
event.clearEvents()
# 强制触发Python垃圾回收，确保未引用内存被释放
import gc
gc.collect()
# 刷新窗口缓冲区
win.clearBuffer()
win.flip()

解释：MovieStim3的音频模块会持有PortAudio流的底层引用，单独调用stop()往往无法彻底关闭；gc.collect()能主动回收Python未自动清理的内存块，避免内存逐步累积。

每次循环新建MovieStim3对象是内存泄漏的主要根源，建议只创建一个对象，在迭代时动态更新视频文件，大幅减少资源创建销毁的开销：

# 循环外部先初始化一个空的MovieStim3对象
video = visual.MovieStim3(win, filename='', size=(1920,1200), flipVert=False, flipHoriz=False, loop=False, opacity=1.0)

for trial in range(len(trialArray)):
    # 更新视频文件并重新加载资源
    video.setMovie(trialArray[trial])
    video.loadMovie()
    
    current_time = trial_clock.getTime()
    while trial_clock.getTime() < current_time + 6.6:
        video.draw()
        win.flip()
        keypress_video = event.getKeys(keyList=None, modifiers=False, timeStamped=trial_clock)
        if keypress_video:
            keypresses.append(keypress_video)
            if keypress_video[0][0] == 'escape':
                print ('Sie haben das Experiment verlassen.')
                sys.exit()
    
    # 播放结束后清理当前视频资源（保留对象本身）
    video.stop()
    video.unloadMovie()
    event.clearEvents()
    win.clearBuffer()
    win.flip()

# 实验结束后彻底清理对象
del video
gc.collect()

解释：setMovie()和loadMovie()方法可以复用已有的MovieStim3实例，避免每次新建对象带来的内存和系统资源开销，这是解决循环播放内存问题最有效的方式。

如果错误核心是PortAudio超时，可以尝试禁用视频音频（实验允许的话），或者调整音频缓冲区参数：

# 创建MovieStim3时直接禁用音频
video = visual.MovieStim3(win, filename=trialArray[trial], size=(1920,1200), flipVert=False, flipHoriz=False, loop=False, opacity=1.0, noAudio=True)

或者在实验启动前调整音频初始化参数：

from psychopy import sound
# 减小缓冲区大小降低资源占用（可能带来轻微音频卡顿，需测试）
sound.init(channels=2, sampleRate=44100, bufferSize=1024)

• 监控内存变化：用psutil库实时查看内存占用，定位内存增长的关键节点：

import psutil
process = psutil.Process()
print(f"当前内存占用: {process.memory_info().rss / 1024 / 1024:.2f} MB")

• 检查视频文件：确保所有视频编码格式一致，过高分辨率的视频可以转码为适配实验窗口的尺寸，减少内存加载压力。

内容的提问来源于stack exchange，提问作者jtz