np.save(path, data)後のメモリ解放方法について

Question

前提・実現したいこと

TensorFlowでautoencoderのコードを書いています。
forで、指定フォルダ内のファイルを一つずつ読み込み結果を出すことを、繰り返すコードです。
ファイルが小さいときはうまくいくのですが、ファイルが大きくなると、ファイル読み込み時にメモリ不足になります。
そこで、メモリを解放したいのですが、うまくいかないのでご教授お願い致します。

発生している問題・エラーメッセージ

一度以上結果を出した後、次のファイルを読み込むとき、前のファイルの処理時のメモリが解放できておらず以下のエラーメッセージが出ます。

ResourceExhaustedError (see above for traceback): OOM when allocating tensor with shape[4096,16384]
         [[Node: gradients_1/MatMul_24_grad/MatMul_1 = MatMul[T=DT_FLOAT, transpose_a=true, transpose_b=false, _device="/job:localhost/replica:0/task:0/gpu:0"](Tanh_23, gradients_1/Add_24_grad/tuple/control_dependency)]]

該当のソースコード

該当のソースコードに誤りがあったので訂正いたします。
大きなメモリの使用が発生するのは、学習途中の値を保存するコードで起きます。
このコードによる使用メモリの解放ができません。

np.save(path, data)

訂正前
~~
大きなメモリの使用が発生するのは、学習モデルを保存するコードで起きます。
このコードによる使用メモリの解放ができません。
~~
tf.train.Saver.save(sess, path)

試したこと

sess.close()を使用しましたが、メモリの解放はできませんでした。

Answer 1

下記はどうでしょうか？

import gc

del '解放したい変数'
gc.collect()

Comments

[tf_learning]

早速の回答ありがとうございます。
tf.train.Saver.save(sess, path)後に、提案し
ていただいた方法を試してみましたが、使用メモリの変化はありませんでした。
また、こちらの勘違いで問題個所が間違っておりました。
本当は以下の箇所です。
`np.save(path, data)`
大変申し訳ございませんでした。
もし、引き続き回答していただけるならお願いいたします。

[meg_]

おそらくdataがメモリ使用量が大きいのですよね。その後使わないならdataを解放すれば良いと思います。使うなら解放できません。