Zedboard平台PYNQ Linux系统下Jupyter加载model.h5内核崩溃求助

我之前在PYNQ环境里折腾模型加载的时候，也碰到过好几次内核直接崩掉的情况，尤其是在Zedboard这种内存有限的板卡上。你已经试过升级Keras和Jupyter了，那咱们换几个方向排查试试：

1. 先排查内存不足的问题 #

Zedboard的内存本来就不算大（大多是512MB或1GB），如果你的model.h5模型参数多、体积大，加载时很容易把内存占满直接把内核撑死。

• 先在Jupyter的代码块里运行!free -h，看看加载模型前系统剩余的内存有多少
• 如果剩余内存不多，可以试试这两个办法：
  • 转成轻量模型格式：把Keras模型转成TensorFlow Lite，体积会小很多，而且更适合嵌入式设备。代码大概是这样：

    import tensorflow as tf
    from tensorflow import keras
    
    # 可先在PC上加载模型再转换，若PYNQ能临时加载模型也可直接转换
    model = keras.models.load_model('model.h5')
    converter = tf.lite.TFLiteConverter.from_keras_model(model)
    tflite_model = converter.convert()
    with open('model.tflite', 'wb') as f:
        f.write(tflite_model)
    

    之后加载TFLite模型，内存占用会小很多
  • 清理后台进程：用!top命令看看哪些进程在占内存，把不用的进程关掉（比如之前开的其他Jupyter内核、无关的服务）

2. 检查版本兼容性问题 #

PYNQ自带的Python环境比较特殊，你升级的Keras和TensorFlow版本可能和系统底层依赖不兼容，反而导致崩溃。

• 先在代码里跑一下这行，确认当前版本：

  import tensorflow as tf
  import keras
  print(f"TensorFlow版本: {tf.__version__}")
  print(f"Keras版本: {keras.__version__}")
  

• PYNQ 2.7/2.8版本一般推荐用TensorFlow 2.5.0 + Keras 2.5.0，这个组合比较稳定。如果你的版本不对，先卸载重装：

  pip uninstall keras tensorflow -y
  pip install tensorflow==2.5.0 keras==2.5.0
  

3. 验证模型文件是否损坏 #

有时候模型文件在传输或保存过程中损坏，加载时直接导致内核崩溃。

• 先在PC上的Python环境里加载这个model.h5，看能不能正常运行。如果PC上也加载失败，那就是模型本身的问题，重新导出或者下载一份
• 如果PC上正常，那再回到PYNQ环境继续排查

4. 打开内核调试日志找具体原因 #

内核崩溃只显示一句“重启”太模糊了，开启调试日志能看到具体的错误信息：

• 关闭当前的Jupyter服务，在终端里用jupyter notebook --debug启动，然后再加载模型，终端里会输出详细的崩溃日志
• 或者去~/.local/share/jupyter/runtime/目录下找对应的内核日志文件（后缀是.log），里面会记录崩溃的具体原因，比如内存溢出、某个依赖库缺失等

5. 补全系统底层依赖 #

Keras和TensorFlow有些操作依赖系统级的库，PYNQ默认可能没装全：

• 先更新系统包，然后装必要的依赖：

  sudo apt update && sudo apt install libopenblas-dev libatlas-base-dev
  

• 同时确保Python的基础依赖版本兼容，比如numpy和scipy：

  pip install numpy==1.21.6 scipy==1.7.3
  

你可以先从内存检查开始，这个是Zedboard上最常见的原因。如果还是不行，再看版本和依赖的问题。

内容的提问来源于stack exchange，提问作者root