Keras与TensorFlow：tfdbg结合TensorBoard调试触发段错误求助

我之前也碰到过类似的tfdbg和TensorBoard联动时的段错误问题，给你几个实用的排查和解决方向：

• 检查版本兼容性
  一定要确保TensorFlow（包含tfdbg组件）和TensorBoard的版本完全匹配。比如你用的是TensorFlow 1.15.x，那TensorBoard也得是1.15.x系列，版本不匹配很容易触发底层内存错误导致段错误。可以用以下命令查看当前版本：

  pip list | grep tensorflow
  pip list | grep tensorboard
  

  如果版本不一致，卸载重装对应版本即可。

• 确认监听端口是否被占用
  你指定的127.0.0.1:6064可能已经被其他进程占用，导致tfdbg调试会话无法正常绑定端口，进而引发段错误。可以用以下命令检查端口占用情况：

  • Linux/macOS：lsof -i :6064
  • Windows：netstat -ano | findstr :6064
    换一个未被占用的端口（比如127.0.0.1:6065）再尝试启动会话。

• 显式配置TensorBoard调试钩子
  直接在LocalCLIDebugWrapperSession中指定地址可能会引发底层冲突，试试分开配置TensorBoard调试钩子和会话包装：

  import tensorflow as tf
  from tensorflow.python.debug import tf_debug
  from tensorflow.python.debug.lib.debug_utils import TensorBoardDebugHook
  
  # 创建基础会话
  sess = tf.Session()
  # 添加TensorBoard调试钩子
  tb_debug_hook = TensorBoardDebugHook("127.0.0.1:6064")
  sess.add_hook(tb_debug_hook)
  # 用tfdbg包装会话并设置给Keras
  keras.backend.set_session(tf_debug.LocalCLIDebugWrapperSession(sess))
  

  这种方式能更清晰地分离调试会话和TensorBoard的通信逻辑，避免直接绑定端口时的异常。

• 排查系统环境限制
  部分Linux系统的SELinux或防火墙规则可能会阻止本地端口通信，导致tfdbg无法和TensorBoard建立连接，触发段错误。可以临时关闭SELinux（sudo setenforce 0）或者调整防火墙规则允许本地6064端口的通信，验证是否解决问题。

• 降低日志输出级别
  过高的日志输出可能导致内存溢出或IO异常，进而引发段错误。可以在启动会话前设置日志级别为WARN或ERROR：

  import tensorflow as tf
  tf.logging.set_verbosity(tf.logging.WARN)
  

内容的提问来源于stack exchange，提问作者Mohamed Amine Ouali