TensorFlow训练神经网络时Kernel崩溃：GPU已识别但报错求助

1. 对齐TensorFlow与CUDA/CuDNN版本 #

TensorFlow对CUDA、CuDNN的版本匹配要求严格：

• 若你升级到最新版TensorFlow（如2.15+），需搭配CUDA 12.2及对应版本的CuDNN；之前适配TF2.10的CUDA 11.2完全不兼容，这是核心问题之一。
• 先执行print(tf.__version__)确认当前TF版本，再安装对应要求的CUDA和CuDNN，卸载不匹配的旧版本。

2. 排查GPU内存溢出问题 #

tf.is_gpu_available仅能检测GPU存在，训练时batch size过大导致显存耗尽会直接引发内核崩溃：

• 尝试缩小batch size（比如从32改为8或16），重新运行训练脚本。
• 开启TF内存增长模式，避免一次性占满GPU显存：

import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
    try:
        for gpu in gpus:
            tf.config.experimental.set_memory_growth(gpu, True)
    except RuntimeError as e:
        print(e)

3. 重置Jupyter环境 #

内核崩溃后残留的进程可能占用GPU资源，导致后续运行异常：

• 完全关闭Jupyter Notebook，结束所有关联的Python进程。
• 重启电脑后，重新打开Jupyter，先运行GPU配置代码，再执行训练脚本。

4. 回退到稳定兼容的版本组合 #

若最新版TF适配麻烦，可回退到TF2.10（原可用版本），搭配CUDA 11.2和CuDNN 8.1，这个组合稳定性高：

• 卸载当前TF：pip uninstall tensorflow -y
• 安装TF2.10：pip install tensorflow==2.10
• 确保CUDA 11.2和CuDNN 8.1的环境变量配置正确：CUDA_PATH指向CUDA安装目录，PATH添加CUDA的bin路径，LD_LIBRARY_PATH添加CuDNN的lib路径。

5. 检查训练代码兼容性 #

部分旧代码写法在TF新版本中会触发异常：

• 避免使用tf.Session()这类TF1.x的API，改用TF2.x的eager execution或tf.function装饰器。
• 排查代码中是否存在未关闭的文件句柄、循环引用等可能导致内存泄漏的问题。

内容的提问来源于stack exchange，提问作者Balasuriya R