%reset是最直接有效的清空方式，执行%reset -f可强制清除jupyter当前内核中所有变量（不含内置名称），但不释放pytorch gpu显存，需配合torch.cuda.empty_cache()使用；globals().clear()会破坏运行环境，应禁用。
%reset 是最直接有效的清空方式
在 Jupyter Notebook 中执行 %reset 即可清空当前内核中所有变量（不含内置名称如 __name__、__doc__ 等）。它本质是调用 IPython 的清理机制，比手动 del 或修改 globals() 更安全可靠。
- 运行后会提示确认，输入
y回车才真正执行；加-f参数可跳过确认：%reset -f - 不会影响已导入的模块（如
import numpy as np仍可用），但会删掉你基于这些模块创建的所有变量（如a = np.array([1,2])） - 不清理魔法函数、自定义类定义或函数对象本身——只清变量引用。比如你定义了
def foo(): pass，foo这个名字还在，但foo()调用前若没重新赋值参数变量，会报NameError
globals().clear() 会破坏环境，慎用
虽然 globals().clear() 看似彻底，但它会把 Python 内置函数（如 print、len）、模块引用（如 sys、os）甚至 IPython 自身的运行时对象一并删除。执行后你将无法再运行任何代码，连 print 都报错。
- 常见错误现象：
NameError: name 'print' is not defined，甚至%reset都失效，因为魔法命令依赖的 IPython 对象也被清掉了 - 恢复唯一办法是重启内核（Kernel → Restart），但此时所有未保存的状态（包括 PyTorch 模型、训练中间状态）全丢
- 仅在极特殊调试场景下、且明确知道后果时才考虑，日常开发中应视为禁用操作
PyTorch 用户必须注意：%reset 不释放 GPU 显存
%reset 只清理 Python 对象引用，但 PyTorch 张量若已分配到 CUDA 设备上，其显存不会自动回收——除非对应张量被垃圾回收器真正释放，或显式调用 torch.cuda.empty_cache()。
- 典型问题：执行
%reset后再运行model = MyNet().to('cuda')，发现显存占用没降，甚至 OOM - 正确做法是紧接
%reset -f后执行：torch.cuda.empty_cache() - 如果模型还持有优化器、数据加载器等强引用，建议先
del model, optimizer, dataloader再%reset，否则 GC 可能延迟触发
需要彻底重置？重启内核比清变量更可靠
当遇到模块重载冲突、C extension 状态异常、或 PyTorch CUDA 上下文卡死时，%reset 已不够用。此时必须重启内核——它会终止整个 Python 进程，释放全部 CPU 内存和 GPU 显存。
- 快捷键：Ctrl+M（进入命令模式）→ 0,0（连续按两次 0）
- 注意：重启后所有变量、函数、类定义、模块导入全部丢失，未保存的 notebook 单元不会受影响，但运行态对象不可恢复
- 深度学习实验中，务必在关键节点调用
torch.save(model.state_dict(), 'ckpt.pth')，否则重启等于白训
