Утечка памяти с помощью TensorFlow

У меня утечка памяти с TensorFlow. Я ссылался на Tensorflow: утечка памяти даже при закрытии сессии? чтобы решить мою проблему, и я последовал советам ответа, который, казалось, решил проблему. Однако это не работает здесь.

Чтобы воссоздать утечку памяти, я создал простой пример. Во-первых, я использую эту функцию (которую я получил здесь: Как узнать текущее использование процессора и оперативной памяти в Python?), Чтобы проверить использование памяти процессом python:

def memory():
    import os
    import psutil
    pid = os.getpid()
    py = psutil.Process(pid)
    memoryUse = py.memory_info()[0]/2.**30  # memory use in GB...I think
    print('memory use:', memoryUse)

Затем, каждый раз, когда я build_model функцию build_model, использование памяти увеличивается.

Вот функция build_model с утечкой памяти:

def build_model():

    '''Model'''

    tf.reset_default_graph()


    with tf.Graph().as_default(), tf.Session() as sess:
        tf.contrib.keras.backend.set_session(sess)

        labels = tf.placeholder(tf.float32, shape=(None, 1))
        input = tf.placeholder(tf.float32, shape=(None, 1))

        x = tf.contrib.keras.layers.Dense(30, activation='relu', name='dense1')(input)
        x1 = tf.contrib.keras.layers.Dropout(0.5)(x)
        x2 = tf.contrib.keras.layers.Dense(30, activation='relu', name='dense2')(x1)
        y = tf.contrib.keras.layers.Dense(1, activation='sigmoid', name='dense3')(x2)


        loss = tf.reduce_mean(tf.contrib.keras.losses.binary_crossentropy(labels, y))

        train_step = tf.train.AdamOptimizer(0.004).minimize(loss)

        #Initialize all variables
        init_op = tf.global_variables_initializer()
        sess.run(init_op)

        sess.close()

    tf.reset_default_graph()

    return 

Я бы подумал, что использование блока with tf.Graph().as_default(), tf.Session() as sess: а затем закрытие сессии и вызов tf.reset_default_graph очистит всю память, используемую TensorFlow. Видимо это не так.

Утечка памяти может быть воссоздана следующим образом:

memory()
build_model()
memory()
build_model()
memory()

Вывод этого (для моего компьютера):

memory use: 0.1794891357421875
memory use: 0.184417724609375
memory use: 0.18923568725585938

Ясно видно, что вся память, используемая TensorFlow, впоследствии не освобождается. Зачем?

Я составил график использования памяти за 100 итераций вызова build_model, и вот что я получаю:

Я думаю, что это показывает, что есть утечка памяти.