Apple M1安装tensorflow-metal后出现StatefulPartitionedCall_10错误求助

针对你在M1设备上安装tensorflow-metal后，model.fit抛出NotFoundError的问题，以下是经过验证的解决步骤：

1. 严格匹配TensorFlow与TensorFlow-Metal版本 #

M1的Metal插件对TensorFlow版本有严格依赖，版本不兼容是最常见的报错原因：

• 查看当前版本：

  python -c "import tensorflow as tf; print(tf.__version__)"
  python -c "import tensorflow_metal as tfm; print(tfm.__version__)"
  

• 对应版本参考（仅列常用稳定版）：
  • TensorFlow 2.15 ↔ TensorFlow-Metal 1.1.0
  • TensorFlow 2.14 ↔ TensorFlow-Metal 1.0.0
  • TensorFlow 2.13 ↔ TensorFlow-Metal 0.9.0
• 卸载不匹配版本并重装：

  pip uninstall tensorflow tensorflow-metal -y
  pip install tensorflow==2.15 tensorflow-metal==1.1.0  # 替换为对应版本
  

2. 统一数据类型为float32 #

Metal对float64支持有限，将训练/验证数据强制转换为float32：

x_train = x_train.astype('float32')
y_train = y_train.astype('float32')
x_val = x_val.astype('float32')
y_val = y_val.astype('float32')

3. 修正validation_data格式 #

将列表格式改为元组（Metal对输入格式要求更严格）：

history = model.fit(x_train, y_train, batch_size=32, epochs=10,
    validation_data=(x_val, y_val),  # 从[]改为()
    verbose=2
)

4. 启用GPU内存动态增长并清理缓存 #

M1 GPU显存有限，动态分配内存可避免缓存溢出：

import tensorflow as tf
# 启用动态内存增长
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    tf.config.experimental.set_memory_growth(gpus[0], True)

如果仍报错，重启终端或设备彻底清除GPU缓存。

5. 调整batch size #

若模型较大，32的batch size可能超出M1 GPU显存，尝试调小：

history = model.fit(x_train, y_train, batch_size=16, epochs=10,  # 改为16或8
    validation_data=(x_val, y_val),
    verbose=2
)

6. 检查模型中的不兼容操作 #

部分自定义层或旧版TensorFlow操作（如tf.nn.raw_ops下的部分OP）未被Metal支持，尝试替换为Keras内置层或兼容OP：

• 例如用tf.keras.layers.Dense替代自定义全连接层
• 避免使用未在Metal支持列表中的操作

内容的提问来源于stack exchange，提问作者Tanish Shah