TensorFlow导入及代码运行报错求助：VSCode/Jupyter内核崩溃

问题场景 #

代码在Google Colab可正常运行，但本地VSCode/Jupyter环境中，仅导入TensorFlow就触发内核崩溃，报错：

Canceled future for execute_request message before replies were done
The Kernel crashed while executing code in the current cell or a previous cell. Please review the code in the cell(s) to identify a possible cause of the failure

注释模型代码、重装TensorFlow、调整导入方式均无效。

解决建议 #

• 检查TensorFlow与Python版本兼容性
  TensorFlow对Python版本有严格匹配要求（如TF 2.15支持Python 3.9-3.11，TF 2.16支持3.10-3.12）。执行以下命令确认版本：

  python --version
  pip show tensorflow
  

  若版本不匹配，卸载现有TensorFlow并安装对应兼容版本：

  pip uninstall tensorflow -y
  pip install tensorflow==2.15  # 替换为与Python匹配的版本号
  

• 排查GPU环境配置问题
  若安装的是GPU版TensorFlow，需确保本地CUDA、CuDNN版本与TensorFlow完全匹配：

  1. 先卸载GPU版TensorFlow，安装CPU版测试：

     pip uninstall tensorflow -y
     pip install tensorflow-cpu
     

  2. 若CPU版可正常导入，说明是GPU环境问题，需重新安装对应版本的CUDA和CuDNN。

• 重置Python虚拟环境
  现有环境可能存在依赖冲突，创建全新虚拟环境测试：

  # 创建虚拟环境
  python -m venv tf_env
  # Windows激活环境
  tf_env\Scripts\activate
  # Linux/macOS激活环境
  source tf_env/bin/activate
  # 安装基础依赖
  pip install tensorflow pandas numpy jupyter
  

  在新环境中重新运行代码，验证是否恢复正常。

• 核对VSCode/Jupyter内核配置
  确保编辑器使用的是正确的虚拟环境内核：

  1. VSCode中打开命令面板（Ctrl+Shift+P），输入Python: Select Interpreter，选择刚创建的tf_env
  2. 重启Jupyter内核后重新执行代码。

• 检查系统资源占用
  内核崩溃可能由内存不足导致：

  • 打开任务管理器（Windows）或活动监视器（macOS），查看运行代码时的内存/CPU占用，关闭其他高资源程序
  • 临时减小模型规模（如将LSTM(64)改为LSTM(16)），测试是否能正常运行。

内容的提问来源于stack exchange，提问作者Adrian