tensorflow构建cnn后summary无法显示

Question

问题

我用tensorflow构建卷积神经网络模型然后要调用summary函数，结果调用完之后我看别人终端里都会显示各层参数，但是我这里啥都没有，debug也没错。换成jupyter之后一直提示dead kernel。求解决方案～

代码如下

import numpy as np
import pandas as pd
from tensorflow.python.keras.layers import Conv1D, MaxPooling1D, Dense, Input
from tensorflow.python.keras.models import Sequential


df = pd.read_csv('data2.csv', index_col = 0, header = 0)
data = np.array(df.iloc[:, 1:])
target = np.array(df.OP)
# 开始构建神经网络, 初始化容器
model = Sequential(name = 'cnn_OP_model')

# 输入层
## 节点数: 3448, 需要丢弃的输入比例: 15%
model.add(Input(shape = (673, 3448), name = 'input'))

# 卷积层1
## 上一层节点数: 3448, 本层节点数: 1148, 激活函数: relu, 步长: 2, 卷积核大小: 1x4
model.add(Conv1D(1148, (1, 4), input_shape = (658, 3448), strides = 2, padding = 'valid', activation='relu', name = 'conv1d_1'))
# 池化层1
## 上一层节点数: 1148, 本层节点数: 574, 池化大小: 1x2
model.add(MaxPooling1D(pool_size = 2, name = 'maxpooling1d_1'))
# 卷积层2
## 上一层节点数: 574, 本层节点数: 285, 激活函数: relu, 步长: 1, 卷积核大小: 1x4
model.add(Conv1D(285, (1, 4), padding = 'valid', activation = 'relu', name = 'conv1d_2'))
# 池化层2
## 上一层节点数: 285, 本层节点数: 57, 池化大小: 1x5
model.add(MaxPooling1D(pool_size = 5, name = 'maxpooling1d_2'))
# 全连接层
## 上一层节点数: 57, 本层节点数: 114, 激活函数: relu
model.add(Dense(114, input_shape = (57,), activation = 'relu', name = 'dense_1'))

# 输出层
## 上一层节点数: 114, 本层节点数: 11, 激活函数: softmax
model.add(Dense(11, input_shape = (114,), activation = 'softmax', name = 'output'))
model.compile(optimizer = 'adam', loss = 'mse')
#model.fit(x = data, y = target, validation_split = 0.3)
model.summary()

Answer 1

问题已经解决了，果然是芯片问题（m1芯片不能直接pip install TensorFlow），有专门的适配版本，会比较麻烦，我直接换了一个Intel芯片的电脑就可以