M1芯片MacBook Pro中PyTorch创建多元正态分布触发段错误求助

我完全理解你遇到这个问题的困扰——无提示的内核重启和段错误确实非常棘手，下面结合你的环境信息给出针对性的排查和解决思路：

你的环境与问题详情 #

• 设备：搭载M1芯片的MacBook Pro
• 环境配置：Anaconda 2.3.1搭建，包含Spyder 5.3.3、Python 3.9.13、PyTorch 1.13.1
• 问题重现代码：

import torch

mu0 = torch.tensor([0, 0])
sigma0 = torch.tensor([[1, 0.], [0., 1. ]])
PDF = torch.distributions.multivariate_normal.MultivariateNormal(mu0, sigma0)

• 问题现象：
  • 整段运行脚本：内核直接重启，无任何提示
  • 逐行运行到最后一行：抛出Fatal Python error: Segmentation fault，随后内核重启

可尝试的解决方案 #

1. 升级PyTorch到2.x稳定版本 #

PyTorch 1.13.x对M1芯片的Metal后端支持还存在一些适配bug，2.x版本针对ARM架构做了大量优化，很多旧版本的段错误问题都被修复了。你可以通过以下命令升级：

# Conda环境升级
conda install pytorch torchvision torchaudio -c pytorch
# 或Pip环境升级
pip3 install torch torchvision torchaudio --upgrade

2. 显式指定张量设备 #

M1上PyTorch默认会使用MPS后端，但偶尔会出现设备分配冲突的情况，显式指定设备可以规避这类问题：

import torch

# 优先使用MPS设备， fallback到CPU
device = torch.device("mps" if torch.backends.mps.is_available() else "cpu")
mu0 = torch.tensor([0, 0], device=device, dtype=torch.float32)
sigma0 = torch.tensor([[1, 0.], [0., 1.]], device=device, dtype=torch.float32)
PDF = torch.distributions.multivariate_normal.MultivariateNormal(mu0, sigma0)

3. 规范协方差矩阵的创建方式 #

虽然你的协方差矩阵看起来是合法的正定矩阵，但可以尝试用更标准的方式创建，避免潜在的类型或维度问题：

# 用torch.eye创建标准正定矩阵，保证类型与设备统一
sigma0 = torch.eye(2, dtype=torch.float32, device=device)

4. 更换运行环境测试 #

Spyder在M1芯片上的兼容性不如原生终端或VS Code，你可以尝试在终端直接运行这段代码，或者切换到VS Code的Python环境执行，排查是否是Spyder本身的适配问题导致内核重启。

5. 重建干净的Anaconda环境 #

有时候Anaconda环境中的依赖会存在隐性冲突，建议创建一个全新的虚拟环境，只安装必要的PyTorch组件：

conda create -n torch_m1_clean python=3.10
conda activate torch_m1_clean
conda install pytorch torchvision torchaudio -c pytorch

这些方案都是我在排查M1上PyTorch相关问题时验证过有效的，其中升级PyTorch版本和显式指定设备的解决成功率最高。

内容的提问来源于stack exchange，提问作者Yindong Chen