如何解决VSCode中Jupyter运行keras_ocr时的内核崩溃报错

常见排查与修复步骤 #

• 检查内存占用：keras_ocr处理图像（尤其是多图或高分辨率图）时会消耗大量内存，内核崩溃大概率是内存不足导致。
  • 先减少单次处理的图像数量，比如改成单张测试：

    # 替换原批量处理代码，先测试单张图像
    prediction = pipeline.recognize([images[0]])
    

  • 关闭VSCode中其他占用内存的进程，或者在VSCode设置里搜索jupyter.memoryLimit，调大内存分配数值。
• 更新依赖库版本：版本不兼容是内核崩溃的常见诱因。
  • 升级相关依赖包：

    pip install --upgrade keras-ocr tensorflow jupyter ipykernel
    

  • 确保tensorflow版本与keras_ocr兼容，keras_ocr通常适配最新稳定版tensorflow。
• 更换Jupyter内核：当前内核可能存在环境冲突。
  • 在VSCode的内核选择器中切换到其他虚拟环境的内核，比如新建一个干净的conda环境，安装必要依赖后再测试。
• 验证图像有效性：无效图像或路径错误可能触发底层错误导致内核崩溃。
  • 用PIL检查图像完整性：

    from PIL import Image
    # 验证单张图像是否正常
    img = Image.open("你的图像路径.jpg")
    img.verify() # 检查图像是否损坏
    

• 临时禁用GPU加速：如果GPU内存不足或驱动有问题，可切换到CPU运行测试：

  import tensorflow as tf
  tf.config.set_visible_devices([], 'GPU')
  # 重新初始化pipeline
  pipeline = keras_ocr.pipeline.Pipeline()
  

额外调试建议 #

• 在VSCode设置中搜索jupyter.logLevel并设为Debug，查看内核崩溃前的详细日志，定位具体触发点。
• 在普通Python脚本中运行相同代码，排除Jupyter环境本身的问题。如果脚本运行正常，说明是VSCode Jupyter的配置或环境冲突问题。

内容的提问来源于stack exchange，提问作者Mostafa Akil