Numpy view机制内存泄漏

Numpy中为了避免python中的slice操作的拷贝开销，引入了view机制。

在pthon中，如下代码中b会拷贝a的数据

a = list(range(10))
b = a[:5]

而在numpy中由于view机制，如下代码b只是引用a中的数据

a = np.arange(10)
b = a[:5]

平时来看是节约内存提升效率的一个机制，但是里面隐藏了一个坑。。。

经常会碰到在循环内取出numpy数组一部分的操作，比如如下代码片段：

def get_nparray_view():
    a = np.random.rand(1000000)
    b = a[:10]
    return b

res = []
for i in range(100):
	res.append(get_nparray_view())

看起来可能最终只保存了100*10=1000个元素，但是内存却很容易爆掉。。。

这是因为其实返回的view（比如上述代码的b）中，保留了对原始numpy数组的引用b.base，所以在退出get_nparray_view函数时a并没有被释放，导致内存会累积爆掉

解决方法的话就是通过copy()函数切断和原始数组的联系，如下代码所示

def get_nparray_view_copy():
    a = np.random.rand(1000000)
    b = a[:10].copy()
    return b

res = []
for i in range(100):
	res.append(get_nparray_view_copy())

这样的话内存就会正常了