Tensorflow与TFlearn报错：意外参数'keepdims'（Jetson Tx1运行异常）

我先梳理下你的情况：TensorFlow在Tx1上能正常运行，Mac上的代码也没问题，但Tx1上执行tflearn.regression()时在loss函数环节报错。结合Jetson平台的特性，大概率是版本兼容或者参数适配的问题，给你几个排查方向：

1. 检查TFlearn和TensorFlow的版本兼容性 #

Jetson Tx1上的TensorFlow是针对ARM架构编译的，版本可能和你Mac上的不一样，而TFlearn对TensorFlow的版本有严格依赖。比如旧版TFlearn（如0.3.x系列）只支持TensorFlow 1.x，如果你Tx1上装的是TensorFlow 2.x，肯定会出现兼容问题。

• 先在Tx1上执行命令查看版本：

  pip3 show tensorflow tflearn
  

• 对比Mac上的版本，如果差异较大，建议匹配兼容版本。比如Tx1上是TensorFlow 1.15的话，就安装适配的TFlearn稳定版：

  pip3 install tflearn==0.5.0
  

2. 显式指定loss函数，避免默认值的兼容问题 #

你当前代码里没指定loss参数，tflearn.regression默认会用categorical_crossentropy，但不同环境下对标签数据的格式校验严格程度可能不同。比如如果你的标签不是one-hot编码，或者输入张量维度和标签不匹配，Tx1上的环境可能会触发报错，而Mac上的环境刚好兼容了这种不规范。

建议显式指定loss函数，同时确认标签数据格式：

# 二分类问题可指定binary_crossentropy
net = tflearn.regression(net, optimizer='adam', learning_rate=0.00001, loss='binary_crossentropy')
# 多分类场景：标签是one-hot用categorical_crossentropy，整数标签用sparse_categorical_crossentropy

3. 检查依赖库的版本一致性 #

Jetson Tx1上的numpy、scipy等基础库版本可能和Mac上不同，这些库的差异可能导致张量处理时出错。比如numpy版本过低，对某些张量操作的支持不足。

• 执行pip3 list查看Tx1上的numpy版本，对比Mac上的版本，尽量保持一致。如果Tx1上的numpy版本太旧，可升级：

  pip3 install --upgrade numpy
  

4. 补全完整报错信息 #

你提供的报错信息截断了，/usr/local/lib/pytho...后面的内容是定位问题的关键，能明确是哪个loss函数出问题，以及具体错误原因（比如张量维度不匹配、函数不存在等）。建议重新运行代码，把完整的Traceback贴出来，这样能更精准地解决问题。

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