导入TensorFlow 1.7时Jupyter Notebook内核崩溃问题求助

我之前在老款MacBook上也碰到过几乎一模一样的问题！结合你的环境——Mid-2010款MacBook Pro（High Sierra 10.13.4）、Anaconda 5.1（Python3.6）、升级TensorFlow1.7后内核崩溃——大概率是硬件兼容性+版本适配的锅，给你几个亲测有效的解决方向：

你的Mid-2010款Mac用的是NVIDIA GeForce 320M显卡，这个显卡只支持CUDA Compute Capability 1.2，但TensorFlow从1.4版本开始就不再支持低于3.0的Compute Capability了，1.7更是彻底砍掉了对老架构的支持。所以直接降级到1.3版本（最后一个兼容老显卡的正式版）是最稳妥的：

• 先卸载当前的TensorFlow：

  pip uninstall tensorflow -y
  

• 安装1.3.0版本：

  pip install tensorflow==1.3.0
  

如果你之前装的是GPU版，就替换成tensorflow-gpu==1.3.0，不过老Mac的GPU其实跑不动TensorFlow GPU版，更推荐用CPU版。

有时候重装Anaconda后，旧环境的残留依赖会搞事情，建议创建一个干净的虚拟环境：

• 创建指定Python版本的环境：

  conda create -n tf_compat python=3.6 -y
  

• 激活环境（Anaconda 5.1用这个命令）：

  source activate tf_compat
  

• 安装Jupyter和TensorFlow：

  conda install jupyter -y
  pip install tensorflow==1.3.0
  

之后在这个环境里启动Jupyter，再试import tensorflow as tf，应该就能正常运行了。

如果暂时不想降级，可以先强制TensorFlow跳过GPU检测（老显卡驱动和1.7不兼容是崩溃的核心原因之一）：
在Jupyter的代码开头加上：

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'  # 彻底禁用GPU
import tensorflow as tf

不过这个方法只是临时救急，TensorFlow1.7和High Sierra 10.13.4的底层依赖可能还是有冲突，长期用还是降级更靠谱。

你的Mac硬件确实比较老了，后续如果还要用机器学习框架，可以试试PyTorch——它对老硬件的兼容性比TensorFlow好不少；或者考虑TensorFlow Lite，轻量化版本对资源要求更低。

内容的提问来源于stack exchange，提问作者MD-ML