崩溃前内存持续上涨,需紧盯任务管理器中进程的“提交大小(Commit Size)”,而非工作集;Blender、devenv、chrome等进程提交值超12GB且每分钟涨300MB以上,基本可判定内存泄漏,应立即检查渲染缓存、IntelliSense索引、WebGL上下文或禁用DiagTrack服务。

崩溃前内存持续上涨,taskmgr.exe 里看到 blender.exe 或 devenv.exe 的 Commit Size 超过 12GB?先别关软件,盯住“提交大小”
内存泄露在重度渲染中不是“突然崩”,而是“悄悄吃光”。Windows 的 Commit Size(提交大小)才是关键指标——它代表系统已承诺给进程的虚拟内存总量,哪怕物理内存还剩 2GB,只要提交值突破系统上限(通常为物理内存 + pagefile 大小),就会触发硬崩溃或 torch.cuda.OutOfMemoryError。任务管理器默认不显示这一列,需右键表头 → “选择列” → 勾选 Commit size。
常见误判是只看“工作集(Working Set)”,但渲染类进程(如 Blender、Premiere、Unreal Editor)常把大量中间数据压在虚拟内存池里,工作集反而稳定。一旦发现某进程的提交大小每分钟涨 300MB 以上且不回落,基本可判定存在泄漏源。
- Blender 用户重点检查是否启用了未关闭的
Render Preview或残留的Compositor节点缓存(尤其含多个Image输入的节点树) - Visual Studio 用户注意
devenv.exe在编译大型 C++ 项目时,若启用了IntelliSense Database且项目含巨量头文件,会持续申请内存却不清除旧索引 - Adobe 系列软件(如 After Effects)在启用
GPU Acceleration且加载了第三方效果插件时,AEFT.exe的提交大小可能在预览过程中线性增长,重启软件也不释放
chrome.exe 和 edge.exe 渲染进程也参与“重度作业”?别忽略它们的后台泄漏
很多设计师/开发者没意识到:自己开的十几个标签页里,正跑着 Three.js 可视化 demo、WebGL 模型查看器、甚至 ComfyUI 的 WebUI 前端——这些页面本身就在做轻量级 GPU 渲染。一旦页面 JS 存在未清除的 requestAnimationFrame 循环、未解绑的 WebGLRenderingContext 或未释放的 OffscreenCanvas,就会导致浏览器子进程持续吃内存,最终拖垮整个系统。
验证方法很简单:打开 edge://task-manager(Edge)或 chrome://tasks(Chrome),按 Memory footprint 排序,重点关注类型为 Renderer 且“私有内存”超过 1.8GB 的进程。右键 → “结束进程”,观察主进程是否随之稳定。
- 禁用所有扩展,尤其是带“实时预览”“截图标注”“AI 辅助写作”功能的插件——它们常在后台维持 WebGL 上下文
- 对长期开着的 WebUI(如 Stable Diffusion WebUI),定期刷新页面,而非仅切换标签页;刷新能强制释放 GPU 内存和 JS 堆
- 避免在单个标签页里同时加载多个大型 GLB 模型(如 >50MB),Three.js 默认不会自动卸载已隐藏模型的纹理和缓冲区
手动设 pagefile.sys 到 NVMe 盘,但大小不能自动管理
Windows 自动管理虚拟内存看似省心,实则在重度渲染场景下极易失效:页面文件碎片化 + 频繁读写 + 机械硬盘延迟,会导致 commit limit 实际可用值远低于理论值,进而提前触发 OOM。这不是加内存就能绕过的逻辑瓶颈。
必须手动设置固定大小,并确保位置在高速磁盘上。NVMe SSD 是底线,SATA SSD 次之,HDD 必须排除。
- Win+R 输入
sysdm.cpl→ “高级”选项卡 → “性能”下的“设置” → “高级” → “虚拟内存”下的“更改” - 取消勾选“自动管理所有驱动器的分页文件大小”
- 选中系统盘(通常是 C:),设为“无分页文件”,点击“设置”
- 选中 NVMe 盘(如 D:),设为“自定义大小”,初始大小 = 物理内存 × 1.2,最大值 = 物理内存 × 1.5(例如 64GB 内存 → 设 76800 MB 初始 / 96000 MB 最大)
- 重启生效;之后可在 PowerShell 中运行
Get-CimInstance Win32_PageFileUsage | Select Name,CurrentUsage,PeakUsage验证使用峰值
Blender/CUDA 场景下,torch.cuda.memory_allocated() 返回值突降归零?那是显存泄漏,不是内存
很多人把显存(VRAM)泄漏当成内存(RAM)泄漏来查,结果在任务管理器里翻半天。CUDA 渲染崩溃真正致命的是显存耗尽,而它的表现很隐蔽:nvidia-smi 显示显存占用 98%,但 Blender 进程的 RAM 占用才 3GB;或者 Python 脚本里调用 torch.cuda.memory_allocated() 突然从 8GB 掉到 0,接着报 cudaErrorMemoryAllocation。
根本原因在于 PyTorch 或 CUDA 驱动层未正确释放显存块,尤其在频繁切换模型、重载 ONNX 权重、或使用 torch.compile() 编译动态图时。CPU 内存看着正常,GPU 已经卡死。
- 在脚本开头加入
torch.cuda.empty_cache(),并在每次模型推理后手动调用(别依赖 GC) - 避免在循环中反复
torch.load()同一个大模型权重文件;改用torch.jit.load()加载已序列化的 TorchScript 模型 - Blender 插件开发中,若用
cudaMalloc分配显存,请务必配对cudaFree;Python 层的del tensor不等于释放显存 - 更新 NVIDIA 驱动到最新版(2026 年 10 月后发布的 555.xx 系列已修复多个
cuCtxDestroy异步释放异常)
最常被跳过的一步:确认崩溃是否真的来自你正在调试的进程。很多“渲染崩溃”实际是 svchost.exe 下的 DiagTrack 服务在后台疯狂采集 GPU 性能日志,与渲染进程争抢显存访问锁——禁用它比调参数快得多。

















