只是澄清一下：如果你运行ConfigureDistributedTPU操作，所有的内存都被释放了吗？我假设你正在寻找一个比configure更轻量级的操作来释放内存。如果configure没有释放内存，那就是另一个bug了。

据我所知，配置没有释放内存（它当然不会从XRT中注销它，所以我可以将它传递给另一个执行，它会做一些事情--我还没有验证底层内存是否仍然存在）。我确实还希望有一个更轻量级的操作。当我们这样做时，我还希望使用一个更轻量级的操作来中断正在运行的XRTExecute（我们的模型看起来像是设备上while循环中的状态机，所以如果它处于坏状态，就很难杀死它）。

好，我们将把“配置时未释放内存”和“支持在不配置的情况下释放所有内存”作为单独的问题处理。
我认为如果不重置所有的芯片，很难中断一个正在运行的程序。如果你需要能够从代码生成错误中恢复，那么你可能需要做一个重置。如果你希望用户能够从他们自己的错误中恢复，我担心你需要在你生成的代码中添加支持，以经常产生。

我认为如果不重置所有的芯片，很难中断一个正在运行的程序。如果你需要能够从代码生成错误中恢复，那么你可能需要做一个重置。如果你希望用户能够从他们自己的错误中恢复，我担心你需要在你生成的代码中添加支持，以经常产生。
好的，在这种情况下，只要确保使用configure重置芯片清除所有相关状态就可以了。我认为现在如果有一个计算正在运行，它有时会挂起。

OOM上的内存概述也有一些问题：

Tensorflow error: Status: Attempting to allocate 235.02M. That was not possible. There are 446.86M free. Due to fragmentation, the largest contiguous region of free memory is 234.77M.;
HBM capacity 8.00G:
       Top-of-Memory reserved:  528.00M (     553,648,128 bytes)
          Currently allocated:  212.71M (     223,038,464 bytes)
         Requested allocation:  235.02M (     246,431,744 bytes)
                               ------------
      Available after request:    7.05G (   7,566,816,256 bytes)

	 [[{{node XRTExecute}}]]
Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info.

看起来这些7G实际上是分配的，但在概述中缺失。