Jetson Nano持续while循环运行DeepFace出现内存泄漏及OOM（进程被终止）

1. 定位内存泄漏根源 #

• 用htop或ps aux --sort=-%mem实时监控进程内存变化，确认内存攀升的时间段和关联操作。
• 在Python脚本中加入tracemalloc跟踪内存分配，定位泄漏代码段：

  import tracemalloc
  tracemalloc.start()
  
  while True:
      # 循环处理逻辑
      snapshot = tracemalloc.take_snapshot()
      top_stats = snapshot.statistics('lineno')
      print("[Top 3 memory allocations]")
      for stat in top_stats[:3]:
          print(stat)
  

2. 优化Deepface模型调用 #

• 避免循环内重复加载模型：将模型初始化移到循环外，复用已加载的模型实例，减少重复分配内存：

  from deepface import DeepFace
  # 仅初始化一次模型
  emotion_model = DeepFace.build_model("Emotion")
  
  while True:
      # 循环内复用模型
      analysis_result = DeepFace.analyze(
          img_path=frame,
          model=emotion_model,
          actions=['emotion'],
          enforce_detection=False
      )
  

• 仅保留必要的分析项（仅emotion），关闭人脸检测强制校验（enforce_detection=False），减少冗余计算。

3. 手动释放资源与垃圾回收 #

• 每次循环处理完成后，手动删除图像对象、分析结果等大内存对象，强制触发Python垃圾回收：

  import gc
  import cv2
  
  cap = cv2.VideoCapture(0)
  while True:
      ret, frame = cap.read()
      if not ret:
          continue
      # 处理帧逻辑...
      # 释放资源
      del frame
      del analysis_result
      gc.collect()
  

• 若使用窗口显示图像，每次循环后关闭临时窗口：cv2.destroyAllWindows()，避免窗口资源累积。

4. 系统层面内存优化 #

• 调整OOM Killer触发策略：编辑/etc/sysctl.conf添加vm.swappiness=10，执行sudo sysctl -p生效，降低swap交换优先级，减少磁盘IO带来的性能损耗。
• 关闭闲置后台服务：停止docker、cups等非必要服务，执行sudo systemctl stop docker && sudo systemctl disable docker。
• 启用内存压缩：执行sudo systemctl enable nvidia-l4t-memory-compression && sudo reboot，利用Jetson硬件特性压缩内存，缓解物理内存压力。

5. 控制循环执行速率 #

• 按照预期1-2帧/秒的需求，在循环末尾添加延时，避免无限制占用CPU和内存：

  import time
  while True:
      # 处理逻辑
      time.sleep(0.5)  # 控制约2帧/秒，可根据实际耗时调整
  

内容的提问来源于stack exchange，提问作者洪莙茹