编译生成darknet.exe时报错

Question

编译生成darknet.exe时报错如下

这是我的cuda路径

以下是我的makefile写法

GPU=1#以启用GPU支持图片处理器
CUDA=1#设置为1以启用GPU加速
CUDNN=1#cuDNN是用于深度神经网络的GPU加速库，启用它可以提高性能。
CUDNN_HALF=0
OPENCV=1
AVX=0
OPENMP=0
LIBSO=0
ZED_CAMERA=0
ZED_CAMERA_v2_8=0
# 设置 OpenCV 路径
#OPENCV_PATH=D:/OpenCV-MinGW-Build-OpenCV-4.5.2-x64
CUDA_PATH=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.4

# set GPU=1 and CUDNN=1 to speedup on GPU
# set CUDNN_HALF=1 to further speedup 3 x times (Mixed-precision on Tensor Cores) GPU: Volta, Xavier, Turing and higher
# set AVX=1 and OPENMP=1 to speedup on CPU (if error occurs then set AVX=0)
# set ZED_CAMERA=1 to enable ZED SDK 3.0 and above
# set ZED_CAMERA_v2_8=1 to enable ZED SDK 2.X

USE_CPP=0
DEBUG=0

ARCH= -gencode arch=compute_30,code=sm_30 \
      -gencode arch=compute_35,code=sm_35 \
      -gencode arch=compute_50,code=[sm_50,compute_50] \
      -gencode arch=compute_52,code=[sm_52,compute_52] \
        -gencode arch=compute_61,code=[sm_61,compute_61]

OS := $(shell uname)

# Tesla A100 (GA100), DGX-A100, RTX 3080
# ARCH= -gencode arch=compute_80,code=[sm_80,compute_80]

# Tesla V100
# ARCH= -gencode arch=compute_70,code=[sm_70,compute_70]

# GeForce RTX 2080 Ti, RTX 2080, RTX 2070, Quadro RTX 8000, Quadro RTX 6000, Quadro RTX 5000, Tesla T4, XNOR Tensor Cores
# ARCH= -gencode arch=compute_75,code=[sm_75,compute_75]

# Jetson XAVIER
# ARCH= -gencode arch=compute_72,code=[sm_72,compute_72]

# GTX 1080, GTX 1070, GTX 1060, GTX 1050, GTX 1030, Titan Xp, Tesla P40, Tesla P4
# ARCH= -gencode arch=compute_61,code=sm_61 -gencode arch=compute_61,code=compute_61

# GP100/Tesla P100 - DGX-1
# ARCH= -gencode arch=compute_60,code=sm_60

# For Jetson TX1, Tegra X1, DRIVE CX, DRIVE PX - uncomment:
# ARCH= -gencode arch=compute_53,code=[sm_53,compute_53]

# For Jetson Tx2 or Drive-PX2 uncomment:
# ARCH= -gencode arch=compute_62,code=[sm_62,compute_62]


VPATH=./src/
EXEC=darknet
OBJDIR=./obj/

ifeq ($(LIBSO), 1)
LIBNAMESO=libdarknet.so
APPNAMESO=uselib
endif

ifeq ($(USE_CPP), 1)
#CC=g++
CC=x86_64-pc-cygwin-g++
else
#CC=gcc
CC=x86_64-pc-cygwin-gcc
endif

CPP=g++ -std=c++11
NVCC=nvcc
OPTS=-Ofast
LDFLAGS= -lm -pthread
COMMON= -Iinclude/ -I3rdparty/stb/include
CFLAGS=-Wall -Wfatal-errors -Wno-unused-result -Wno-unknown-pragmas -fPIC

ifeq ($(DEBUG), 1)
#OPTS= -O0 -g
#OPTS= -Og -g
COMMON+= -DDEBUG
CFLAGS+= -DDEBUG
else
ifeq ($(AVX), 1)
CFLAGS+= -ffp-contract=fast -mavx -mavx2 -msse3 -msse4.1 -msse4.2 -msse4a
endif
endif

CFLAGS+=$(OPTS)

ifneq (,$(findstring MSYS_NT,$(OS)))
LDFLAGS+=-lws2_32
endif

ifeq ($(OPENCV), 1)
COMMON+= -DOPENCV
CFLAGS+= -DOPENCV 
#COMMON+= -I$(OPENCV_PATH)/include
#LDFLAGS+= -L$(OPENCV_PATH)/x64/mingw/lib
#LDFLAGS+= -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_objdetect
LDFLAGS+=`pkg-config --libs opencv4 2> /dev/null || pkg-config --libs opencv`
COMMON+=`pkg-config --cflags opencv4 2> /dev/null || pkg-config --cflags opencv`
endif

ifeq ($(OPENMP), 1)
    ifeq ($(OS),Darwin) #MAC
        CFLAGS+= -Xpreprocessor -fopenmp
    else
        CFLAGS+= -fopenmp
    endif
LDFLAGS+= -lgomp
endif

ifeq ($(GPU), 1)
#COMMON+= -DGPU -I/usr/local/cuda/include/
COMMON+= -DGPU -I$(CUDA_PATH)/include
CFLAGS+= -DGPU
ifeq ($(OS),Darwin) #MAC
#LDFLAGS+= -L/usr/local/cuda/lib -lcuda -lcudart -lcublas -lcurand
LDFLAGS+= -L$(CUDA_PATH)/lib -lcuda -lcudart -lcublas -lcurand
else
#LDFLAGS+= -L/usr/local/cuda/lib64 -lcuda -lcudart -lcublas -lcurand
LDFLAGS+= -L$(CUDA_PATH)/lib/x64 -lcuda -lcudart -lcublas -lcurand

endif
endif

ifeq ($(CUDNN), 1)
COMMON+= -DCUDNN
ifeq ($(OS),Darwin) #MAC
#CFLAGS+= -DCUDNN -I/usr/local/cuda/include
CFLAGS+= -DCUDNN -I$(CUDA_PATH)/include
LDFLAGS+= -L/usr/local/cuda/lib -lcudnn
#LDFLAGS+= -L$(CUDA_PATH)/lib -lcudnn
else
#CFLAGS+= -DCUDNN -I/usr/local/cudnn/include
CFLAGS+= -DCUDNN -I$(CUDA_PATH)/include
#LDFLAGS+= -L/usr/local/cudnn/lib64 -lcudnn
LDFLAGS+= -L$(CUDA_PATH)/lib/x64 -lcudnn
endif
endif

ifeq ($(CUDNN_HALF), 1)
COMMON+= -DCUDNN_HALF
CFLAGS+= -DCUDNN_HALF
ARCH+= -gencode arch=compute_70,code=[sm_70,compute_70]
endif

ifeq ($(ZED_CAMERA), 1)
CFLAGS+= -DZED_STEREO -I/usr/local/zed/include
#CFLAGS+= -DZED_STEREO -I$(CUDA_PATH)/include
ifeq ($(ZED_CAMERA_v2_8), 1)
LDFLAGS+= -L/usr/local/zed/lib -lsl_core -lsl_input -lsl_zed
#-lstdc++ -D_GLIBCXX_USE_CXX11_ABI=0
else
LDFLAGS+= -L/usr/local/zed/lib -lsl_zed
#-lstdc++ -D_GLIBCXX_USE_CXX11_ABI=0
endif
endif

OBJ=image_opencv.o http_stream.o gemm.o utils.o dark_cuda.o convolutional_layer.o list.o image.o activations.o im2col.o col2im.o blas.o crop_layer.o dropout_layer.o maxpool_layer.o softmax_layer.o data.o matrix.o network.o connected_layer.o cost_layer.o parser.o option_list.o darknet.o detection_layer.o captcha.o route_layer.o writing.o box.o nightmare.o normalization_layer.o avgpool_layer.o coco.o dice.o yolo.o detector.o layer.o compare.o classifier.o local_layer.o swag.o shortcut_layer.o activation_layer.o rnn_layer.o gru_layer.o rnn.o rnn_vid.o crnn_layer.o demo.o tag.o cifar.o go.o batchnorm_layer.o art.o region_layer.o reorg_layer.o reorg_old_layer.o super.o voxel.o tree.o yolo_layer.o gaussian_yolo_layer.o upsample_layer.o lstm_layer.o conv_lstm_layer.o scale_channels_layer.o sam_layer.o
ifeq ($(GPU), 1)
LDFLAGS+= -lstdc++
OBJ+=convolutional_kernels.o activation_kernels.o im2col_kernels.o col2im_kernels.o blas_kernels.o crop_layer_kernels.o dropout_layer_kernels.o maxpool_layer_kernels.o network_kernels.o avgpool_layer_kernels.o
endif

OBJS = $(addprefix $(OBJDIR), $(OBJ))
DEPS = $(wildcard src/*.h) Makefile include/darknet.h

all: $(OBJDIR) backup results setchmod $(EXEC) $(LIBNAMESO) $(APPNAMESO)

ifeq ($(LIBSO), 1)
CFLAGS+= -fPIC

$(LIBNAMESO): $(OBJDIR) $(OBJS) include/yolo_v2_class.hpp src/yolo_v2_class.cpp
    $(CPP) -shared -std=c++11 -fvisibility=hidden -DLIB_EXPORTS $(COMMON) $(CFLAGS) $(OBJS) src/yolo_v2_class.cpp -o $@ $(LDFLAGS)

$(APPNAMESO): $(LIBNAMESO) include/yolo_v2_class.hpp src/yolo_console_dll.cpp
    $(CPP) -std=c++11 $(COMMON) $(CFLAGS) -o $@ src/yolo_console_dll.cpp $(LDFLAGS) -L ./ -l:$(LIBNAMESO)
endif

$(EXEC): $(OBJS)
    $(CPP) -std=c++11 $(COMMON) $(CFLAGS) $^ -o $@ $(LDFLAGS)

$(OBJDIR)%.o: %.c $(DEPS)
    $(CC) $(COMMON) $(CFLAGS) -c $< -o $@

$(OBJDIR)%.o: %.cpp $(DEPS)
    $(CPP) -std=c++11 $(COMMON) $(CFLAGS) -c $< -o $@

$(OBJDIR)%.o: %.cu $(DEPS)
    $(NVCC) $(ARCH) $(COMMON) --compiler-options "$(CFLAGS)" -c $< -o $@

$(OBJDIR):
    mkdir -p $(OBJDIR)
backup:
    mkdir -p backup
results:
    mkdir -p results
setchmod:
    chmod +x *.sh

.PHONY: clean

clean:
    rm -rf $(OBJS) $(EXEC) $(LIBNAMESO) $(APPNAMESO)

Answer 1

下午好🌅🌅🌅
本答案参考通义千问

在编译 darknet.exe 时遇到错误，可能是由于多个原因导致的。以下是一些常见的问题和解决方案，并针对你的 Makefile 配置进行分析和建议。

---

1. CUDA 路径配置不正确

你提供的 CUDA_PATH=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.4 是一个 Windows 环境下的路径。但需要注意：

• Makefile 中使用的是 Unix 风格的路径（/），而 Windows 使用的是反斜杠（\），这可能会导致路径解析失败。
• Makefile 的编译器是 x86_64-pc-cygwin-gcc，这是 Cygwin 编译器，它支持 Unix 风格的路径，但需要确保路径中没有空格或特殊字符。

✅ 解决方案：

• 将 CUDA_PATH 改为 Cygwin 风格的路径，例如：

  CUDA_PATH=/cygdrive/c/Program\ Files/NVIDIA\ GPU\ Computing\ Toolkit/CUDA/v11.4
  

• 或者将 CUDA 安装到没有空格的路径下，例如：

  CUDA_PATH=C:/CUDA/v11.4
  

---

2. CUDA 和 cuDNN 库路径未正确设置

在你的 Makefile 中，LDFLAGS 设置了 -L$(CUDA_PATH)/lib/x64 -lcuda -lcudart -lcublas -lcurand，但 Windows 下的 CUDA 库通常位于 lib/x64，而不是 lib64。

✅ 解决方案：

• 确保路径正确，并检查是否安装了 CUDA 和 cuDNN：

  LDFLAGS+= -L$(CUDA_PATH)/lib/x64 -lcuda -lcudart -lcublas -lcurand
  

• 如果你使用的是 cuDNN，还需要确认 libcudnn.dll 是否存在于系统 PATH 中。

---

3. OpenCV 配置不完整

你在 Makefile 中启用了 OPENCV=1，但注释掉了 OPENCV_PATH 和相关的链接选项。如果 OpenCV 没有正确安装或路径未设置，会导致链接失败。

✅ 解决方案：

• 安装 OpenCV（推荐使用预编译版本，如 OpenCV for Windows）
• 设置 OPENCV_PATH：

  OPENCV_PATH=C:/opencv/build
  

• 取消注释并修改相关代码：

  COMMON+= -I$(OPENCV_PATH)/include
  LDFLAGS+= -L$(OPENCV_PATH)/x64/mingw/lib
  LDFLAGS+= -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_objdetect
  

---

4. 编译器路径问题

你使用的是 x86_64-pc-cygwin-gcc 和 x86_64-pc-cygwin-g++，这意味着你正在使用 Cygwin 环境来编译。请确保：

• Cygwin 已正确安装，并且 gcc、g++、nvcc 等工具已添加到环境变量中。
• CUDA 工具链已安装，且 nvcc 可以在命令行中运行。

✅ 解决方案：

• 在 Cygwin 终端中运行以下命令，确认 CUDA 是否可用：

  nvcc --version
  

• 如果无法运行，请重新安装 CUDA Toolkit 并确保路径正确。

---

5. 架构兼容性问题

你设置了 ARCH= 为多个 GPU 架构，但某些架构可能与当前 CUDA 版本不兼容。

✅ 解决方案：

• 检查你的显卡型号，确定其计算能力（Compute Capability）。

• 根据你的 GPU 型号选择合适的 ARCH，例如：

  • NVIDIA RTX 3080 → compute_86
  • NVIDIA GTX 1080 → compute_61
  • NVIDIA T4 → compute_75

  示例：

  ARCH= -gencode arch=compute_86,code=[sm_86,compute_86]
  

---

6. 其他常见错误及修复方法

| 错误信息 | 解决方案 | |----------|----------| | undefined reference to cudnnCreate | 确保 CUDNN=1 且 LDFLAGS 包含 -lcudnn | | error: ‘cuda’ is not a member of ‘std’ | 确保 GPU=1 并且 CUDA_PATH 正确 | | opencv4 not found | 安装 OpenCV 并设置 OPENCV_PATH | | linker input file not found | 检查 LDFLAGS 中的路径是否正确 |

---

最终建议的 Makefile 修改如下：

# 修改后的 CUDA 路径（Cygwin 风格）
CUDA_PATH=/cygdrive/c/Program\ Files/NVIDIA\ GPU\ Computing\ Toolkit/CUDA/v11.4

# 修改后的 OpenCV 路径（假设你已经安装到 C:/opencv/build）
OPENCV_PATH=C:/opencv/build

# 修改后的 ARCH（根据你的 GPU 型号）
ARCH= -gencode arch=compute_86,code=[sm_86,compute_86]

# 修改后的 LDFLAGS（确保路径正确）
LDFLAGS+= -L$(CUDA_PATH)/lib/x64 -lcuda -lcudart -lcublas -lcurand
LDFLAGS+= -L$(OPENCV_PATH)/x64/mingw/lib -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_objdetect

---

总结步骤：

1. 检查 CUDA 安装路径，确保 nvcc 可用。
2. 修正 CUDA_PATH 为 Cygwin 风格路径。
3. 设置 OpenCV 路径并启用链接选项。
4. 根据 GPU 型号选择正确的 ARCH。
5. 确保所有依赖库（如 cuDNN、OpenCV）已正确安装。

如果你能提供具体的编译错误信息，我可以进一步帮助你定位问题。