M1 Pro芯片Mac（Ventura13.1）运行TensorFlow训练代码报错求助

1. 锁定TensorFlow相关依赖版本到兼容组合 #

M1系列Mac的TensorFlow Metal对版本匹配要求严格，强制指定以下适配Ventura 13.1的版本组合：

• tensorflow-macos==2.12.0
• tensorflow-metal==0.8.0
• numpy==1.23.5

执行以下命令重装依赖：

pip uninstall tensorflow-macos tensorflow-metal numpy -y
pip install tensorflow-macos==2.12.0 tensorflow-metal==0.8.0 numpy==1.23.5

2. 禁用TensorFlow的内存增长限制 #

在训练代码开头添加内存配置代码，避免Metal平台内存分配冲突：

import tensorflow as tf
physical_devices = tf.config.list_physical_devices('GPU')
if physical_devices:
    tf.config.experimental.set_memory_growth(physical_devices[0], True)

3. 重置Metal系统缓存 #

终端执行命令清除Metal的 shader 缓存，解决平台注册异常：

sudo rm -rf ~/Library/Caches/com.apple.metal

执行后重启Mac，再重新运行训练代码。

4. 检查并更新Xcode命令行工具 #

确保Xcode命令行工具适配Ventura 13.1：

xcode-select --install

若已安装，执行重置更新：

sudo xcode-select --reset

5. 调整训练代码的batch size #

M1 Pro 16GB内存下，过大的batch size可能触发内存分配错误，尝试将batch size从默认64调整为32：

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train = x_train.reshape(-1, 28, 28, 1).astype("float32") / 255.0
x_test = x_test.reshape(-1, 28, 28, 1).astype("float32") / 255.0

model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)),
    tf.keras.layers.MaxPooling2D((2,2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
# 调整batch_size为32
model.fit(x_train, y_train, batch_size=32, epochs=5, validation_split=0.1)

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