TensorFlow训练内（显）存不断增长

    在使用tensorflow过程中，一个不标准的操作，就可能导致程序出各种bug，今天我们的猪脚就是“TensorFlow训练内（显）存不断增长”，此问题并不是我遇到的，是公司一位同事遇到的，我把代码翻了一下，看出了问题所在，由于一些保密原因，我就不在这里展示那个代码，但可以用其他代码来替代。

import tensorflow as tf
x = tf.constant(10)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
while True:
    print(sess.run(x))

    上面这个代码，x是一个节点，即使陷入死循环，也不会产生新的节点（此句很有深意）

import tensorflow as tf
x = tf.constant(10)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
while True:
    print(sess.run(x+x))

    这个代码，x+x会不断的产生临时节点，而且还没释放，所以内（显）存不断增长，所以最后会导致死机。

    解决办法：1.释放临时节点；2.避免在run里面进行运算产生临时节点，即出了结果再计算