Jupyter Notebook内存无法释放求助：实验复现及现象描述

你描述的这个情况我之前也碰到过——创建大NumPy数组后，用%reset_selective释放内存，top里看内存占用纹丝不动，重复操作还会持续涨内存。先复盘下你的实验过程：

• 创建800MB左右的数组：var_tmp = np.random.randn(10000,10000)
• 用top确认内存占用增加800MB
• 执行%reset_selective -f var_tmp后，内存无变化，重复操作内存持续增长

为啥会这样？ #

核心原因其实和Python的内存管理逻辑、Jupyter的运行特性有关：

1. 隐性引用没清干净：Jupyter会自动把最后一次输出存在_变量里，如果你创建数组后直接运行了变量名（比如输入var_tmp然后回车），_就会指向这个数组，哪怕你用%reset_selective删了var_tmp，_还拿着引用，垃圾回收器没法回收。
2. Python不会立刻归还内存给系统：就算垃圾回收器回收了数组对象，Python会把释放的内存留作“备用池”，供后续分配使用，不会立刻还给操作系统，所以top里看到的RSS（常驻内存）不会马上下降。
3. %reset_selective的局限性：这个命令只是移除了指定变量名的引用，但如果数组还被其他对象引用（比如函数闭包、全局变量列表里的残留项），就没法真正触发回收。

怎么解决？ #

给你几个实用的方案，按优先级排序：

1. 手动触发垃圾回收+清隐性引用

先把变量置为None，再强制垃圾回收，同时清空Jupyter的输出缓存：

var_tmp = None  # 主动断开引用
import gc
gc.collect()  # 强制触发垃圾回收
%reset -f _  # 清空自动保存的最后输出变量

执行完后再用top或者psutil检查，内存应该会有变化（如果没有被其他引用占着的话）。

2. 用psutil精准查看内存

top显示的是进程的总内存占用，没法区分Python内部已回收但未归还的内存。可以用psutil看更细的指标：

import psutil
proc = psutil.Process()
print(f"实际使用内存: {proc.memory_info().rss / 1024/1024:.2f} MB")
print(f"Python已分配但未使用的内存: {(proc.memory_info().vms - proc.memory_info().rss)/1024/1024:.2f} MB")

如果rss下降了，说明内存已经被回收，只是Python没还给系统而已，后续创建新对象会优先用这些闲置内存。

3. 重启内核

如果内存已经爆得厉害，或者上面的方法不管用，最直接的就是重启Jupyter内核——这会彻底清空所有内存，但记得先保存你的代码和数据。

4. 用内存分析工具定位泄漏

如果经常碰到内存问题，可以用memory_profiler追踪每一行代码的内存变化，找出隐性引用的来源：

!pip install memory_profiler
from memory_profiler import profile

@profile
def test_memory():
    var_tmp = np.random.randn(10000,10000)
    # 这里加你的释放操作
    %reset_selective -f var_tmp

运行后会显示每一行的内存变化，帮你找到哪里没释放干净。

小提醒：如果是长期运行的Jupyter任务，尽量避免反复创建大数组后只删变量名，最好在不用的时候主动置为None并触发垃圾回收，防止内存积累。

内容的提问来源于stack exchange，提问作者user40780