Mac Mini上R结合reticulate调用TabPFN/AutoGluon时会话崩溃，Windows环境正常

数据老陈

2026-4-8

这种跨平台踩坑的情况真的太闹心了！我之前帮朋友排查过类似的问题，给你几个实际可行的排查方向，你可以挨个试试：

先确保Windows和Mac上的Python环境完全对齐：包括Python版本（比如3.9或3.10，这两个版本对TabPFN和AutoGluon的兼容性最好）、两个包的具体版本，还有依赖库（比如PyTorch、Scikit-learn）的版本。推荐用conda创建一个统一的环境，Mac上创建时记得加上--override-channels -c conda-forge，优先安装适配M系列芯片的arm64版本包，避免用Rosetta转译带来的兼容性问题。然后在R里用reticulate::use_condaenv("你的环境名", required = TRUE)指定这个环境。
检查reticulate的配置是否正确：运行reticulate::py_config()看看输出的Python路径、版本是不是你刚才创建的那个，有没有加载错误的库。如果发现reticulate自动选了系统自带的Python，那肯定会出问题，得手动指定环境。
针对TabPFN加载崩溃的情况：TabPFN依赖PyTorch，有时候Mac上多线程会触发崩溃。你可以在R里先运行这段代码再加载TabPFN：
```
library(reticulate)
py_run_string("import torch; torch.set_num_threads(1)")
tabpfn <- import("tabpfn")
```
先限制PyTorch的线程数，试试能不能解决加载时的崩溃。另外也可以先在Python环境里直接运行import tabpfn，如果Python里正常，那大概率是reticulate和PyTorch的交互问题，这个线程限制的方法通常能解决。
针对AutoGluon预测崩溃的情况：大概率是内存不足或者模型兼容性问题。你可以试试降低AutoGluon的预设配置，比如用presets='medium_quality_faster_train'代替默认的高配置，减少模型数量和内存占用；另外也可以升级AutoGluon到最新稳定版，新版本对M系列Mac的兼容性更好。如果还是不行，看看Mac的活动监视器，是不是预测时内存占用直接拉满导致系统杀进程。
查看崩溃日志定位根源：Mac上R崩溃后，会在~/Library/Logs/DiagnosticReports/目录下生成崩溃日志文件，文件名一般是R_xxxxxx.crash。打开日志看看里面的Thread 0 Crashed部分，找具体的错误库（比如是不是某个PyTorch的动态库出错），这样能更精准地解决问题。

如果这些方法都试过还是不行，你可以试试用reticulate::py_install(c("tabpfn", "autogluon"), envname = "你的环境名")在R里重新安装这两个包，确保它们适配当前Mac的架构。

内容来源于stack exchange