也许你可以尝试使用gc()函数。gc()的调用会导致垃圾收集的发生。在一个大对象被移除后调用gc()会很有用，因为这可能会提示R将内存返回给操作系统。gc()还会返回占用内存的摘要。

我遇到了同样的问题与R。我挖了一点，并与解决方案，我们需要重新启动R会话，以完全清理内存/RAM。为此，您可以使用一个简单的代码后，从您的工作区删除一切。代码如下：

rm(list = ls())

.rs.restartR()

使用ls()函数查看哪些R对象占用了空间。使用rm（“objectName”）从R内存中清除不再需要的对象。参见this。

memory.size(max=T) # gives the amount of memory obtained by the OS
[1] 1800
memory.size(max=F) # gives the amount of memory being used
[1] 261.17

以保罗为例，

m = matrix(runif(10e7), 10000, 1000)

现在

memory.size(max=F)
[1] 1024.18

为了清除记忆

gc()
memory.size(max=F)
[1] 184.86

换句话说，现在内存应该再次被清空了，如果你循环一个代码，最好添加一个gc()作为循环的最后一行，这样内存在开始下一次迭代之前就被清空了。

Linux（Fedora 16）下的一个示例显示当R关闭时内存被释放：

$ free -m                                                                                                                                                                                                                                    
             total       used       free     shared    buffers     cached                                                                                                                                                                    
Mem:          3829       2854        974          0        344       1440                                                                                                                                                                    
-/+ buffers/cache:       1069       2759                                                                                                                                                                                                     
Swap:         4095         85       4010

使用了2854兆字节。接下来我打开一个R会话，创建一个大的随机数矩阵：

m = matrix(runif(10e7), 10000, 1000)

创建矩阵时，使用3714 MB：

$ free -m                                                                                                                                                                                                                                    
             total       used       free     shared    buffers     cached                                                                                                                                                                    
Mem:          3829       3714        115          0        344       1442                                                                                                                                                                    
-/+ buffers/cache:       1927       1902                                                                                                                                                                                                     
Swap:         4095         85       4010

关闭R会话后，我很好地恢复了使用的内存（2856 MB空闲）：

$ free -m                                                                                                                                                                                                                                    
             total       used       free     shared    buffers     cached                                                                                                                                                                    
Mem:          3829       2856        972          0        344       1442                                                                                                                                                                    
-/+ buffers/cache:       1069       2759                                                                                                                                                                                                     
Swap:         4095         85       4010

当然，您使用的是Windows，但是您可以在Windows中重复这个练习，并报告在R中创建这个大型数据集之前和之后可用内存的变化情况。

只是添加这个作为参考，以防任何人需要重新启动并立即运行命令。
我使用这种方法只是为了从系统中清除RAM。确保你已经删除了所有不再需要的对象。也许gc()也可以帮助你。但是没有什么比重新启动R会话更能清除RAM了。

library(rstudioapi)
restartSession(command = "print('x')")

rm（）和gc（）的作用有限，正如Gavin Simpson所建议的，即使您释放了R中的实际内存，Windows通常也不会回收它，直到您关闭R或需要它，因为所有表面上的Windows内存都已填满。
这通常不是问题。但是，如果你运行大循环，这有时会导致内存碎片长期，这样即使你释放内存并重新启动R -内存碎片可能会阻止你分配大块内存。特别是如果其他应用程序分配碎片内存，而你正在运行R。rm（）和gc（）可能会延迟不可避免的，但更多的RAM更好。

我发现进入我的“tmp”文件夹并删除所有挂起的rsession文件是很有用的，这通常会释放任何看起来被“卡住”的内存。