导入TensorFlow后结合MediaPipe手部识别的程序出现卡死问题求助

问题根因 #

你遇到的是旧版本TensorFlow（1.14.x）与MediaPipe的全局资源冲突问题：TensorFlow 1.x导入时会默认修改全局线程池、GPU显存占用规则，和MediaPipe依赖的OpenCV、图形推理栈的初始化逻辑冲突，哪怕你不调用TF相关功能，仅导入就会打断MediaPipe的正常运行。

可直接落地的解决方案 #

• 优先调整导入顺序，先导入所有MediaPipe、OpenCV相关模块，再导入TensorFlow/Keras相关模块，90%以上的同类导入冲突可以直接解决：

import cv2
import mediapipe as mp
# 上述视觉库先导入完成后，再导入TensorFlow相关模块
from tensorflow.keras.models import load_model
import h5py
import tensorflow as tf

• 添加TensorFlow显存占用限制（GPU环境适用），TensorFlow 1.x默认会预占所有可用GPU显存，导致MediaPipe无法申请GPU资源运行，导入TF后添加以下配置：

# TF 1.x 显存动态分配配置
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
# 可选：限制TF使用的线程数，避免和MediaPipe线程池抢占资源
config.intra_op_parallelism_threads = 2
config.inter_op_parallelism_threads = 2
tf.keras.backend.set_session(tf.Session(config=config))

• 如果上述方案无效，使用多进程隔离：将MediaPipe手部关键点检测、TensorFlow姿态识别拆成两个独立子进程，通过队列传递灰度图、关键点数据，完全避开两个库的全局资源冲突。

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