我假设您可以至少运行一次您发布的代码。该问题仅在多次运行发布的代码后才会显现出来。正确？
如果是这样，则下面的方法可以避免问题，而无需真正确定问题的根源。也许这是一件坏事，但这在紧要关头起作用：只需用于
multiprocessing在单独的进程中运行内存密集型代码。您不必担心
fig.clf()or
plt.close()或
dela,bor
gc.collect()。该过程结束时，将释放所有内存。
import matplotlibmatplotlib.use('Agg')import matplotlib.pyplot as pltimport numpy as npimport multiprocessing as mpdef worker(): N=1000000 a = np.arange(N) b = np.random.randn(N) fig = plt.figure(num=1, dpi=100, facecolor='w', edgecolor='w') fig.set_size_inches(10,7) ax = fig.add_subplot(111) ax.plot(a, b) fig.savefig('/tmp/random.png') # pre gives me an error hereif __name__=='__main__': proc=mp.Process(target=worker) proc.daemon=True proc.start() proc.join()您也不需要
proc.join()。该
join会阻塞主过程，直到
worker完成。如果省略
join，则主过程将继续
worker在后台运行。
