Ver el uso de memoria de un script

30 de enero del 2025

Ver el uso de memoria de un script

Si un script nos consume mucha RAM podemos monitorizarlo para ver qué es lo que está consumiendo.

Instalación

Para poder monitorearlo vamos a instalar memory_profiler. Lo podemos instalar con Conda

conda install memory_profiler

o con pip

pip install memory_profiler

Uso

Decorador

Podemos poner un decorador en la función que queremos monitorizar.

from memory_profiler import profile
      
      @profile
      def my_function():
          pass

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		%%writefile memory_profiler_decorator.py
from memory_profiler import profile
@profile
def my_function():
    a = [1] * (10 ** 6)
    b = [2] * (2 * 10 ** 7)
    del b
    return a
if __name__ == '__main__':
    my_function()
	
	Copied

>_ Output

			
				Overwriting memory_profiler_decorator.py

Ahora lo ejecutamos usando -m memory_profiles memory_profiler_decorator.py

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		!python -m memory_profiler memory_profiler_decorator.py
	
	Copied

>_ Output

			
				Filename: memory_profiler_decorator.py
Line #    Mem usage    Increment  Occurrences   Line Contents
=============================================================
     3     49.5 MiB     49.5 MiB           1   @profile
     4                                         def my_function():
     5     57.0 MiB      7.5 MiB           1       a = [1] * (10 ** 6)
     6    209.6 MiB    152.6 MiB           1       b = [2] * (2 * 10 ** 7)
     7     57.2 MiB   -152.4 MiB           1       del b
     8     57.2 MiB      0.0 MiB           1       return a

Como vemos, obtenemos el uso de memoria de cada línea del script.

Uso de memoria en el tiempo

Podemos obtener una gráfica del uso de memoria en el tiempo haciendo

mprof run memory_profiler_decorator.py
      mprof plot

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		!mprof run memory_profiler_decorator.py
	
	Copied

>_ Output

			
				mprof: Sampling memory every 0.1s
running new process
running as a Python program...
Filename: memory_profiler_decorator.py
Line #    Mem usage    Increment  Occurrences   Line Contents
=============================================================
     3     49.5 MiB     49.5 MiB           1   @profile
     4                                         def my_function():
     5     57.0 MiB      7.5 MiB           1       a = [1] * (10 ** 6)
     6    209.6 MiB    152.6 MiB           1       b = [2] * (2 * 10 ** 7)
     7     57.2 MiB   -152.4 MiB           1       del b
     8     57.2 MiB      0.0 MiB           1       return a

	
		
			< >
			Input
		
		
			Python
			
		
	
	
		!mprof plot
	
	Copied

>_ Output

			
				Using last profile data.
Figure(1260x540)

Al ejecutarlo se crea esta gráfica

memory_profiler plot

Preguntas frecuentes

¿Cómo interpretar la columna "Increment" de la salida de memory_profiler?

Al decorar una función con @profile (de from memory_profiler import profile) y ejecutarla con python -m memory_profiler script.py, cada línea muestra "Mem usage" (memoria total del proceso en ese punto) e "Increment" (el cambio respecto a la línea anterior). En el ejemplo, b = [2] * (2 * 10 ** 7) tiene un Increment de 152.6 MiB (lo que ocupó esa lista) y tras del b el Increment es -152.4 MiB, mostrando la memoria liberada.

¿Cómo ver una gráfica del consumo de memoria de un script en el tiempo, en lugar de solo línea por línea?

En vez de (o además de) python -m memory_profiler, usa mprof run script.py seguido de mprof plot. mprof muestrea la memoria cada 0.1s ("mprof: Sampling memory every 0.1s") y genera una gráfica temporal del uso de RAM de todo el proceso, útil para ver picos que la tabla línea a línea no deja tan claros.

Seguir leyendo

Gymnasia: arquitectura de un agente de IA que corre en el móvil

Cómo está construido el agente de IA de Gymnasia: un coach conversacional BYOK con 12 herramientas locales y un subagente de visión que estima macros desde fotos, los dos ejecutándose enteros en el móvil y sin backend.

Deep Research con LangGraph (3/3): agente Writer e informe final

Tercera y última parte de la serie Deep Research con LangGraph. Implementa el agente Writer que redacta el informe final...

Deep Research con LangGraph (2/3): Research Supervisor multiagente

Segunda parte de la serie Deep Research con LangGraph. Construye el Research Supervisor que coordina varios agentes Rese...

Últimos posts -->

¿Has visto estos proyectos?

Gymnasia

LangGraph Deep Researcher

Tau

Ver todos los proyectos -->

>_ Disponible para proyectos

¿Tienes un proyecto con IA?

Hablemos.

maximofn@gmail.com

Especialista en Machine Learning e Inteligencia Artificial. Desarrollo soluciones con IA generativa, agentes inteligentes y modelos personalizados.

Escríbeme LinkedIn

¿Quieres ver alguna charla?

Agentes del Mañana: Descifrando los Enigmas de Planificación, UX y Memoria

Los agentes IA, impulsados por LLMs, prometen transformar aplicaciones. Pero, ¿son hoy simples ejecutores o futuros colaboradores inteligentes? Para a...

Crea tu propio Apple intelligence

Aprende a crear un sistema de IA para ejecutar eficientemente en un dispositivo

Últimas charlas -->

¿Quieres mejorar con estos tips?

Buenas prácticas creando agentes con Claude Code

Charla técnica: skills, subagentes, slash commands y MCPs en Claude Code

o1 prompt engineering

Crear mejores prompts para o1 siguiendo un ejemplo

DataLoader con pin_memory y num_workers

Aumentar el rendimiento de DataLoader con pin_memory y num_workers

Últimos tips -->

Usa esto en local

Los espacios de Hugging Face nos permite ejecutar modelos con demos muy sencillas, pero ¿qué pasa si la demo se rompe? O si el usuario la elimina? Por ello he creado contenedores docker con algunos espacios interesantes, para poder usarlos de manera local, pase lo que pase. De hecho, es posible que si pinchas en alún botón de ver proyecto te lleve a un espacio que no funciona.