M1 Mac安装SciKeras后导入TensorFlow触发内核崩溃问题

有大量开发者在M1芯片版Mac上成功安装并正常使用SciKeras，你遇到的报错都是环境配置错误导致的，和SciKeras本身兼容性无关，按以下步骤排查修复即可：

报错1：zsh返回no matches found: scikeras[tensorflow] #

这个是zsh shell的默认解析规则导致的：zsh会把命令中未加引号的方括号识别为文件通配符，自动尝试匹配当前路径下对应名称的文件，匹配不到就直接抛出错误，和pip、SciKeras本身没有关系。
解决方式非常简单，给带可选依赖的包名加单引号包裹即可：
pip install 'scikeras[tensorflow]'
所有带方括号可选依赖的pip安装命令，在zsh环境下都需要加引号，否则都会触发同类报错。

报错2：执行import tensorflow时内核直接崩溃 #

这个是核心故障，根源是你创建的Python3.7虚拟环境没有适配M1芯片的可用TensorFlow稳定构建：

• M1系列芯片使用arm64架构，对应架构的TensorFlow官方适配版本最低要求Python3.8，Python3.7只有x86架构的安装包，在M1设备上要么依赖Rosetta转译运行（极易触发环境冲突、内核崩溃），要么根本无法正常加载
• 你尝试安装的tensorflow==2.7属于非常早期的版本，当时M1芯片的TensorFlow适配还处于测试阶段，本身就存在大量加载崩溃、运算异常的已知问题，不适合在M1设备上使用

实测可用的安装步骤 #

以下步骤在M1/M2系列芯片Mac上验证过，可以正常安装、运行SciKeras，完成tf.keras.wrappers.scikit_learn到SciKeras的迁移：

• 废弃现有Python3.7虚拟环境，新建Python3.9版本的arm64架构虚拟环境（Python3.9是目前对TensorFlow、SciKeras、Scikit-learn生态插件兼容性最好的版本，不要使用Rosetta转译的x86环境，否则会出现性能损耗和隐性兼容问题）
• 激活虚拟环境后，优先安装适配M1芯片的TensorFlow依赖：
  pip install tensorflow-macos tensorflow-metal
  安装完成后先单独启动Python解释器执行import tensorflow as tf，确认可以正常输出版本号、无崩溃报错后再进行下一步
• 安装SciKeras：
  pip install scikeras
  此时已经手动安装了适配本地环境的TensorFlow，不需要再额外安装scikeras的tensorflow可选依赖，避免pip自动覆盖你装好的适配版本
• 安装完成后可以做简单验证：导入KerasClassifier/KerasRegressor，搭建一个极简的Sequential模型跑一次fit/predict流程，无报错即说明配置完成

避坑提示 #

• 不要在M1芯片的arm64环境下尝试安装Python3.7对应的TensorFlow，没有可用的稳定官方构建，强行安装大概率出现内核崩溃
• 不要在M1环境下安装2.10版本以下的TensorFlow，早期适配版本bug极多，和SciKeras配合使用时容易出现序列化失败、多进程调用崩溃的问题

内容的提问来源于stack exchange，提问作者user8400607