Jupyter Notebook运行TensorFlow时内核停止自动重启问题求助

• 检查TensorFlow与Python版本兼容性
  TensorFlow对Python版本有严格适配要求，比如TensorFlow 2.15仅支持Python 3.8~3.11，TensorFlow 2.16支持Python 3.9~3.12。先确认当前环境版本：

  • 查看Python版本：python --version
  • 查看TensorFlow版本：pip show tensorflow
    若版本不匹配，卸载现有TensorFlow后重新安装对应版本，例如：pip install tensorflow==2.15.0

• 核对GPU版TensorFlow的CUDA/cuDNN版本（GPU环境）
  GPU版TensorFlow需要对应版本的CUDA Toolkit和cuDNN，版本不匹配会直接导致内核崩溃：

  • 查看CUDA版本：nvcc --version
  • 匹配规则：TF2.15对应CUDA11.8+cuDNN8.6；TF2.16对应CUDA12.2+cuDNN8.9
    卸载不匹配的CUDA/cuDNN，安装对应版本，并确保CUDA_PATH等环境变量配置正确。

• 切换至CPU版TensorFlow排查环境问题
  先排除GPU配置问题，安装CPU版TensorFlow测试：

  pip uninstall tensorflow -y
  pip install tensorflow-cpu
  

  在Jupyter中运行极简代码验证：

  import tensorflow as tf
  print(tf.__version__)
  print(tf.random.normal((1, 1)))
  

  如果CPU版运行正常，说明问题出在GPU相关配置。

• 确认Jupyter内核与TensorFlow安装环境一致
  有时Jupyter使用的内核和安装TensorFlow的Python环境不匹配：
  在Jupyter中运行以下代码查看当前内核的Python路径：

  import sys
  print(sys.executable)
  

  对比安装TensorFlow的Python路径（通过which python或where python查看），若不一致，将对应环境添加为Jupyter内核：

  # 激活安装TensorFlow的虚拟环境
  conda activate your_env_name  # conda环境
  # 或 source your_env_name/bin/activate  # venv环境
  pip install ipykernel
  python -m ipykernel install --user --name=your_env_name
  

  之后在Jupyter中切换到该内核重新测试。

• 排查代码内存溢出问题
  若仅运行特定代码时崩溃，大概率是内存耗尽：

  • 先运行极简TF代码确认环境正常；
  • 优化代码：采用分批加载数据集、减少模型参数量；
  • 限制GPU内存使用（GPU环境）：

    import tensorflow as tf
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            tf.config.set_logical_device_configuration(
                gpus[0],
                [tf.config.LogicalDeviceConfiguration(memory_limit=1024)]  # 限制为1GB，可按需调整
            )
        except RuntimeError as e:
            print(e)
    

• 清理缓存并彻底重装TensorFlow
  残留缓存或依赖冲突可能引发问题：

  # 清理pip缓存
  pip cache purge
  # 彻底卸载TensorFlow及相关依赖
  pip uninstall tensorflow tensorflow-estimator tensorflow-io-gcs-filesystem -y
  # 重新安装指定版本的TensorFlow
  pip install tensorflow==2.15.0
  

内容的提问来源于stack exchange，提问作者Judy Njeri