Python内存消耗可能增加的原因包括：
对象引用计数：
Python使用引用计数来管理内存，当对象的引用计数为0时，对象被销毁。如果存在循环引用，则引用计数机制无法释放这些对象的内存，导致内存泄漏。
垃圾回收机制：
Python的垃圾回收机制会定期检查并回收不再被引用的对象，但这会占用额外的内存和CPU资源。
内存分配方式：
Python使用内存池机制分配内存，可能导致内存碎片化，从而增加内存消耗。
数据结构：
Python中的某些数据结构，如列表和字典，内部实现较为复杂，可能会消耗较多内存。
第三方库：
使用的一些第三方库可能会加载大量数据到内存中，或者使用了较大的内存数据结构。
如果怀疑内存消耗问题，可以尝试以下步骤：
使用内存分析工具，如`memory_profiler`或`tracemalloc`，来监控内存使用情况。
检查是否有大型文件被第三方库加载到内存中，这可能是由于依赖包中的大型文件。
考虑卸载不必要的Python依赖包，特别是那些包含大型文件的包。
优化代码，减少不必要的对象创建和引用，避免循环引用。