Jupyter Lab运行TensorFlow代码内核崩溃，咨询适配Python版本

• TensorFlow 2.6.1官方支持的Python版本为3.6、3.7、3.8、3.9，你当前使用的Python 3.9属于兼容范围，版本本身并非内核崩溃的直接原因。

• 内核崩溃更可能与GPU配置或环境冲突有关，可按以下方向排查：

  1. 核对GPU依赖版本：TensorFlow 2.6.1需要搭配CUDA 11.2、cuDNN 8.1使用，若GPU驱动或CUDA/cuDNN版本不匹配，会导致GPU初始化失败引发内核崩溃。
  2. 隔离测试代码：先注释掉GPU内存增长配置代码，单独运行TensorFlow导入语句：

     from tensorflow.keras.models import Model
     from tensorflow.keras.layers import Layer, Conv2D, Dense, MaxPooling2D, Input, Flatten
     import tensorflow as tf 
     

     若此步骤无异常，说明问题出在GPU配置逻辑上，可能是GPU设备识别异常或内存设置冲突。
  3. 增加异常处理：修改GPU配置代码，避免因无GPU或设备异常直接崩溃：

     import tensorflow as tf 
     gpus = tf.config.experimental.list_physical_devices('GPU')
     if gpus:
         try:
             for gpu in gpus: 
                 tf.config.experimental.set_memory_growth(gpu, True)
         except RuntimeError as e:
             print(e)
     

  4. 核对Notebook内核环境：确认Jupyter Notebook使用的内核是安装了TensorFlow 2.6.1的Python 3.9环境，避免环境不一致导致的依赖缺失。

内容的提问来源于stack exchange，提问作者sujalarora03