导入torch后Matplotlib绘图致Jupyter内核崩溃问题求助

1. 切换Matplotlib后端 #

Matplotlib默认后端可能和CUDA版Torch存在资源冲突，先强制指定非交互式后端再导入库：

import matplotlib
matplotlib.use('Agg')  # 先设置后端，再导入绘图库
import matplotlib.pyplot as plt
import seaborn as sns
import torch

如果需要交互式绘图，也可以换成'TkAgg'或'Qt5Agg'，前提是系统有对应依赖支持。

2. 用conda统一安装所有依赖 #

你当前是conda建环境后混用pip装库，很容易出现依赖版本不兼容。直接全用conda重新搭建环境：

# 删除原有环境，从头创建
conda remove -n your_env_name --all
conda create -n your_env_name python=3.10.9
conda activate your_env_name

# 安装CUDA 11.8版PyTorch（用conda官方源）
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

# 一次性装完数据科学和绘图库
conda install numpy pandas matplotlib seaborn jupyter

conda会自动协调所有依赖版本，避免pip和conda混合安装带来的冲突。

3. 临时禁用Torch的CUDA支持（排查问题） #

内核崩溃大概率是CUDA初始化和绘图后端的资源竞争，先骗Torch只用CPU试试：

import torch
torch.cuda.is_available = lambda : False  # 让Torch认为没有CUDA
import matplotlib.pyplot as plt
import seaborn as sns

# 测试绘图
sns.lineplot(x=[1,2,3], y=[4,5,6])
plt.show()

如果这样不崩溃，说明问题出在CUDA版Torch和绘图库的GPU资源冲突上，要么更新显卡驱动到最新版，要么换CUDA 11.7版本的Torch试试。

4. 确认Jupyter内核关联正确 #

别让Jupyter用错环境内核，激活环境后重新安装内核：

conda install ipykernel
python -m ipykernel install --user --name=your_env_name

打开Jupyter后，切换到这个新安装的内核再测试。

5. 关闭Matplotlib的GPU加速 #

部分Matplotlib版本会自动尝试GPU渲染，和Torch的CUDA调用冲突，手动关闭：

import os
os.environ['MPLBACKEND'] = 'Agg'  # 先设置环境变量
import matplotlib.pyplot as plt
import seaborn as sns
import torch

内容的提问来源于stack exchange，提问作者Ramon Griffo