删除所有未被任何容器引用的网络（自定义网络）。

在网络编程中，特别是涉及到深度学习框架如TensorFlow或PyTorch时，"删除所有未被任何容器引用的网络"通常是指垃圾回收机制。当你创建了一个网络模型并将其添加到某个计算图（例如在TensorFlow中的Graph或PyTorch中的Module），这个网络就被视为该图的一个节点。如果这个网络不再有任何变量或者操作直接引用它，那么当这些引用消失时，系统会自动检测到并释放相关的资源。

在Python的深度学习库中，例如TensorFlow，你可以通过以下步骤删除无用的网络：

1. **TensorFlow**:

   # 假设 net 是你的网络实例
   if not tf.get_default_graph().get_collection_ref(tf.GraphKeys.GLOBAL_VARIABLES):  # 检查是否还有全局变量引用
       with g.as_default():  # 使用默认图
           tf.keras.backend.clear_session()  # 清除当前图的所有资源

2. **PyTorch**:

   # 确保net不在任何挂载的位置
   for module in [module for name, module in torch.modules.items()]: 
       if hasattr(module, 'net') and module.net is None:
           delattr(module, 'net')

   # 或者使用torch.no_grad():
   with torch.no_grad():
       del net  # 直接删除网络实例

请注意，在实际操作前最好确认网络已经不再需要，因为错误地删除了正在使用的网络可能会导致运行时错误。