Keras Model运行返回退出码-1073740791(0xC0000409)如何修复？

该错误为Windows平台下TensorFlow调用GPU加速时触发的栈缓冲区溢出，结合CPU版本可正常运行、程序崩溃停在cuDNN库加载后的表现，故障根因为CUDA、cuDNN、TensorFlow三者版本不匹配，可通过以下方法修复：

• 严格对齐三者版本，参考官方匹配规则安装对应依赖：
  • TensorFlow 2.4/2.5/2.6：对应CUDA 11.2 + cuDNN 8.1
  • TensorFlow 2.7/2.8：对应CUDA 11.2 + cuDNN 8.2
  • TensorFlow 2.10+：对应CUDA 11.2~11.8 + cuDNN 8.6
• 使用conda管理环境的用户，直接执行conda install tensorflow-gpu cudatoolkit cudnn，conda会自动匹配兼容的CUDA和cuDNN版本，不需要手动配置环境变量。
• 如果版本确认匹配后仍报错，在代码最开头加入以下配置，关闭GPU内存自动申请和cuDNN自动调优：

import os
import tensorflow as tf

# 关闭cuDNN自动调优
os.environ['TF_CUDNN_USE_AUTOTUNE'] = '0'
# 按需求申请GPU显存，避免预申请占满显存
physical_devices = tf.config.list_physical_devices('GPU')
if physical_devices:
    tf.config.experimental.set_memory_growth(physical_devices[0], True)

• 手动安装cuDNN的用户，确认cuDNN解压后的bin、include、lib三个文件夹下的所有文件，已经全部复制到CUDA安装目录的对应文件夹下，且CUDA的bin目录已经加入系统环境变量PATH。
• 升级NVIDIA显卡驱动到470.x及以上的正式稳定版本，避免测试版驱动的兼容性问题。
• 临时规避方案：在代码开头加入os.environ['CUDA_VISIBLE_DEVICES'] = '-1'，强制使用CPU运行程序。

内容的提问来源于stack exchange，提问作者Manu1800