刚碰到过类似的坑，给你几个实用的排查方向，一步步来应该能解决：

• 先抓完整错误信息，别慌
  你看到的提示只是个引子，先在Jupyter Notebook里执行%tb命令，把完整的错误堆栈信息复制出来。这玩意儿是排查的核心——到底是环境不兼容、依赖缺了，还是代码在交互式环境里有特殊要求，一看堆栈就清楚了。

• 检查CMD和Jupyter的Python环境是不是同一个
  这是最常见的原因！很多人装了多个Python环境，CMD用的是虚拟环境里的TensorFlow，但Jupyter默认用的是系统环境或者别的虚拟环境。两边分别跑这段代码对比下：

  import sys, tensorflow as tf
  print("Python路径：", sys.executable)
  print("TensorFlow版本：", tf.__version__)
  

  如果输出不一样，那就是环境不一致。解决办法：

  1. 激活你CMD里用的那个虚拟环境；
  2. 装ipykernel：pip install ipykernel；
  3. 把这个环境加到Jupyter内核里：python -m ipykernel install --user --name=你的环境名称；
  4. 重启Jupyter，右上角切换到刚加的内核再跑代码。

• 核对工作目录和文件路径
  代码里如果用到了本地数据文件或者模型文件，CMD的工作目录和Jupyter的可能不一样。先在Notebook里跑import os; print(os.getcwd())，看看当前目录是不是你放premade_estimator.py的地方。如果不是，要么把代码里的路径改成绝对路径，要么用os.chdir("你的代码所在文件夹路径")切换工作目录。

• 适配交互式环境的小调整
  有些TensorFlow代码在Jupyter这类交互式环境里需要微调：

  • 如果涉及到设备分配（比如GPU/CPU），可以加一行tf.config.set_soft_device_placement(True)，让TensorFlow自动适配设备；
  • 估算器的日志可能被Notebook屏蔽了，加tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.INFO)打开日志，能看到运行时的细节，方便找问题。

• 修复可能损坏的依赖
  如果环境一致但还是报错，试试在对应环境里重装TensorFlow：

  pip uninstall tensorflow -y
  pip install tensorflow
  

  顺带检查下numpy、scipy这些依赖库的版本，确保和TensorFlow兼容（比如TensorFlow 2.x需要numpy 1.19+左右）。

要是按上面的步骤走还没解决，把%tb输出的完整错误信息贴出来，咱们再精准定位！

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