前言

最近这段时间在Ubuntu试YOLOV4，在训练过程中遇到了许多问题，对其进行了总结。

问题1

/usr/local/cuda/include/cudnn.h:61:10: fatal error: cudnn_ops_infer.h: No such file or directory
#include “cudnn_ops_infer.h”
^~~~~~~~~~~~~~~~~~~
compilation terminated.
Makefile:182: recipe for target ‘obj/image_opencv.o’ failed
make: *** [obj/image_opencv.o] Error 1

解决方案：这是cuDNN没有配置好的原因，推荐卸载cuDNN然后采用deb的方式安装，tgz安装即使查版本号能显示，但可能还是没有完全装上。具体配置可以参考我写的配置流程

问题2

./src/image_opencv.cpp:16:10: fatal error: opencv2/core/version.hpp: No such file or directory
#include <opencv2/core/version.hpp>

解决方案：这是因为你Makefile opencv设置为了1，但是你并没有安装c++的opencv

具体安装流程可以参考----》这个

问题3

Bus error（coredumped）
网上我看别人训练YOLOV4时，这个问题的描述几乎没有，也是研究了很久才解决这个坑。还是cuda环境配置问题，环境配置太重要了

解决方案：可以将这三个设置为0，重新make ，如果可以正常用cpu训练，则就是cuda 环境配置问题。我是直接卸载了cuda，和cudnn重新配置了一下，发现就能调用GPU训练了。可以参考配置流程

还有makefile里面的路径一定要调对。可以参照我的

原来的Makefile是直接nvcc = nvcc
要修改为NVCC=/usr/local/cuda/bin/nvcc


如果还是不行，将上图中路径里的cuda改为（cuda-版本号）例如：/local/cuda-10.2/lib

问题4

CUDA error: no kernel image is available for execution on the device
Segmentation fault(core dumped)

解决方案：算力参数需要按照你自己显卡来调节，改ARCH，按照他提供的参考，直接复制黏贴替换原来的位置。（我的显卡是1650ti,所以选择的是1050,1060那区间的参数）

还有一种可能就是你的显卡不支持CUDNN HALF，所以设置为0，重新make

版权声明：本文为CSDN博主「太阳下大黄花」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/knowledge112233/article/details/120961860