VSCode运行Jupyter笔记本出现Session cannot generate requests/内核死亡报错求助

第一类：针对音频处理相关代码的内核死亡问题 #

触发报错的对应代码行：
librosa.feature.spectral.spectral_centroid(y=sound, sr=sr, n_fft=FRAME_SIZE, hop_length=HOP_SIZE)[0]
scipy.fft.fft(sound)

• 检查音频数组sound的内存占用：运行print(sound.nbytes / 1024 / 1024)查看内存是否超过2GB，32位conda环境的内存限制会直接触发内核崩溃，你可以运行python -c "import sys; print(sys.maxsize > 2**32)"验证环境架构，返回False即为32位，卸载重装64位conda即可解决。
• 检查FRAME_SIZE参数合理性：如果n_fft设置超过音频本身长度，或设置为2的非整数次幂，老版本scipy的fft实现会触发段错误直接杀死内核，你可以先将FRAME_SIZE修改为1024、2048这类标准值做验证测试。
• 修复依赖包版本兼容性：Python3.7对应的兼容版本为librosa≤0.9.2、scipy≤1.7.3，若你更新到了更高版本的依赖包，会因Python版本不兼容触发底层C扩展崩溃，直接用conda指定版本重装即可：conda install librosa=0.9.2 scipy=1.7.3

第二类：针对模型训练代码的内核死亡问题 #

触发报错的对应代码行：
autoencoder.fit(x_train, x_train, epochs=1, batch_size=2, shuffle=True, validation_data=(x_test, x_test),)

• 校验训练数据维度匹配性：打印x_train和x_test的shape，确认和autoencoder的输入输出维度完全一致，维度不匹配时TensorFlow/Keras老版本不会抛出常规报错，会直接崩溃内核。
• 适配深度学习框架版本：Python3.7对应的TensorFlow最高兼容版本为2.8，若你安装了更高版本的TF/PyTorch，会触发底层算子调用异常杀死内核，运行conda install tensorflow=2.8指定兼容版本即可。
• 降低batch_size测试：如果单样本内存占用过高，即使batch_size=2也可能超出内存上限，你可以先将batch_size改为1测试是否还会触发崩溃。

第三类：针对Session cannot generate requests报错的通用修复方案 #

• 禁用Jupyter自动变量跟踪功能：打开VSCode设置，搜索jupyter.variableQueries.enabled，取消该选项的勾选，该功能处理大变量时会频繁向内核发请求，触发会话报错同时导致内核崩溃。
• 重建干净的conda虚拟环境：当前Python3.7环境可能存在多依赖版本冲突，你可以重新创建干净环境仅安装所需依赖：

conda create -n new_py37 python=3.7
conda activate new_py37
conda install numpy librosa scipy tensorflow jupyter

• 回退VSCode Jupyter插件版本：最新版Jupyter插件已经移除了对Python3.7的支持，你可以将插件回退到v2022.11.1003401056版本，该版本是最后一个完整支持Python3.7的稳定版本。

内容的提问来源于stack exchange，提问作者dmocko18