jupyter notebook内核宕机

Jupyter Notebook 内核宕机解决方案
当遇到Jupyter Notebook内核频繁崩溃的情况时，可能的原因有很多，包括但不限于内存不足、依赖库版本不兼容或是特定环境配置错误等问题。
对于因GPU资源管理不当引起的内核崩溃，在启动Jupyter Notebook之前设置可见的GPU设备数量可以有效缓解该问题。通过限制可用的GPU数目来减少潜在冲突：
export CUDA_VISIBLE_DEVICES=0 # 设置仅使用第1个GPU, 对于Windows系统应改为设置环境变量方式
登录后复制
如果是因为某些Python包版本与当前环境中其他组件存在冲突而导致kernel crash，则建议更新或降级这些有问题的软件包至稳定版本。例如针对tensorflow-gpu相关的稳定性问题，可尝试执行如下命令调整其到更稳定的发行版[^1]:
conda update tensorflow-gpu
# 或者指定某个已知良好工作的版本号
conda install tensorflow-gpu==2.3.0
登录后复制
另外一种常见情况是由于安装过程中未正确处理CUDA Toolkit以及cuDNN SDK同TensorFlow GPU支持之间的匹配关系所引发的异常。确保使用的CUDA和cuDNN版本符合官方文档推荐的要求，并且在创建新的Conda虚拟环境之后重新激活此环境再继续操作可能会有所帮助:
conda activate tf_gpu # 切换进入名为tf_gpu的工作空间
pip uninstall tensorflow-gpu # 卸载现有版本
pip install --upgrade pip # 更新pip工具本身
pip install tensorflow-gpu # 安装最新版tensorflow-gpu
登录后复制
最后值得注意的是，有时候简单的重启计算机也可能解决问题，因为这能清除任何残留的进程状态并允许所有服务干净地初始化。