樓主環境：
python3.6.8
centos 7.2
tensorflow 1.14.0
一 泄漏位置查找方法：
報錯部分原文:
terminate called after throwing an instance of 'std::bad_alloc'
工具：pympler
from pympler import tracker,summary,muppy
在web主程序添加：
memory_tracker = tracker.SummaryTracker()
在接口返回前添加：
memory_tracker.print_diff()
反人類辦法:把懷疑的模塊一個一個替換着註釋掉，找到內存泄漏模塊，
然後再進行代碼排查
二 由tf.train.Saver()引起的
在session開始前進行模型的重新設置，
tf.reset_default_graph()
解決辦法：
在with tf.Session() as sess: 之後同時也要在with的範圍以外（注意），添加
tf.reset_default_graph()
代碼來重置默認的圖，這樣就能解決下一步執行代碼
self.sess = tf.Session()
self.saver = tf.train.import_meta_graph(’./Model/model.ckpt.meta’)
self.saver.restore(self.sess, tf.train.latest_checkpoint(’./Model/’))
三 OOM問題
報錯原文:
tensorflow:OOM when allocating tensor with shape[225,256,256,36] and type float on /job:localhost/re
原因是GPU OOM內存不夠，因此可嘗試改成批處理。即將訓練的數據塊調小。
參考鏈接：
https://stackoverflow.com/questions/39076388/tensorflow-deep-mnist-resource-exhausted-oom-when-allocating-tensor-with-shape
https://github.com/tensorflow/tensorflow/issues/609
四 編碼問題
報錯部分原文:
SyntaxError: Non-UTF-8 code starting with '\xe5' in file
原因：編碼格式不對
把相應Python程序文件的編碼轉成UTF-8格式
1、在文件第一行添加# encoding:utf-8
或2.在文件第一行添加# -- coding: gbk --