yolvo3使用cygwin64obj/convolutional_kernels.o]Error 2”

Question

yolvo3使用cygwin64编译生成darknet.exe报“c1:命令行 error D8021:无效的数值参数"/Wfatal-errors make: *** [Makefile:234: obj/convolutional_kernels.o]Error 2”，换了几个cuda还是一样，有知道什么问题的吗

这下面是我的makefile文件

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
#OPENCV_PATH=/cygdrive/d/OpenCV-MinGW-Build-OpenCV-4.5.2-x64
OPENCV_PATH=/cygdrive/d/opencv3.4.00/opencv
#CUDA_PATH=C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.4
CUDA_PATH=/cygdrive/c/Program\ Files/NVIDIA\ GPU\ Computing\ Toolkit/CUDA/v10.0
#CUDA_PATH="/cygdrive/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v10.2"



# 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
# For Visual Studio 2019
CC=cl
CFLAGS=/I. /Iinclude /I3rdparty/stb /I3rdparty/opencv/include /W4 /wd4018 /wd4244 /wd4267 /wd4305 /wd4100 /wd4127 /wd4189 /wd4505 /wd4800 /wd4706 /DNDEBUG /D_CRT_SECURE_NO_WARNINGS /DOPENCV `pkg-config --cflags opencv2`
LDFLAGS=/link /LIBPATH:3rdparty/opencv/lib

#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]
#ARCH= -gencode arch=compute_52,code=sm_52 \
      -gencode arch=compute_61,code=sm_61 \
      -gencode arch=compute_70,code=sm_70 \
      -gencode arch=compute_75,code=sm_75 
     # -gencode arch=compute_80,code=sm_80
ARCH= -gencode arch=compute_60,code=sm_60 \
            -gencode arch=compute_61,code=sm_61 \
            -gencode arch=compute_70,code=sm_70 \
            -gencode arch=compute_75,code=sm_75 \
            -gencode arch=compute_75,code=compute_75
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
#NVCC := C:/Program\ Files/NVIDIA\ GPU\ Computing\ Toolkit/CUDA/v11.4/bin/nvcc.exe
#NVCC=$(CUDA_PATH)/bin/nvcc
OPTS=-Ofast
LDFLAGS= -lm -pthread
COMMON= -Iinclude/ -I3rdparty/stb/include
#CFLAGS=-Wall -Wfatal-errors -Wno-unused-result -Wno-unknown-pragmas -fPIC
# 检测Windows系统
ifneq (,$(findstring CYGWIN,$(shell uname)))
    # Cygwin环境下的特殊配置
    CFLAGS = -Wall -Wfatal-errors -Wno-unused-result -Wno-unknown-pragmas -fPIC
    # 或者对于某些Cygwin版本，可能需要：
     #CFLAGS = -Wall -Werror -Wno-unused-result -Wno-unknown-pragmas -fPIC
else
    # 原有配置
    CFLAGS = -Wall -Wfatal-errors -Wno-unused-result -Wno-unknown-pragmas -fPIC
endif

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)/build/include
COMMON+= -I$(OPENCV_PATH)/build/include/opencv
COMMON+= -I$(OPENCV_PATH)/build/include/opencv2
LDFLAGS+= -L$(OPENCV_PATH)/build/x64/vc15/lib
LDFLAGS+= -L$(OPENCV_PATH)/build/x64/vc15/bin
#LDFLAGS+= -lopencv_world3400 
LDFLAGS += -lopencv_core -lopencv_imgproc -lopencv_highgui -lopencv_objdetect
#LDFLAGS+= -lopencv_core4100 -lopencv_highgui4100 -lopencv_imgproc4100 -lopencv_imgcodecs4100 -lopencv_videoio4100 -lopencv_objdetect4100
#LDFLAGS+= -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_objdetect
#LDFLAGS+=`pkg-config --libs opencv3 2> /dev/null || pkg-config --libs opencv`
#COMMON+=`pkg-config --cflags opencv3 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

你遇到的错误是：

c1: 命令行 error D8021: 无效的数值参数 "/Wfatal-errors"
make: *** [Makefile:234: obj/convolutional_kernels.o] Error 2

这个错误表明你在使用 Cygwin64 环境下编译 darknet 项目时，cl（Microsoft C/C++ 编译器） 接收到了一个它无法识别的编译器选项：/Wfatal-errors。

---

🔍 问题分析

1. cl 和 g++ 的区别

• cl 是 Microsoft Visual Studio 提供的 C/C++ 编译器。
• g++ 是 GCC（GNU Compiler Collection）的 C++ 编译器。
• 你当前的 Makefile 中设置：

  CC=cl
  

  这意味着你正在使用 cl 编译器，但你的编译命令中却包含了 /Wfatal-errors，这是 GCC 的选项，不是 cl 支持的。

2. /Wfatal-errors 的作用

• 在 GCC 中，-Wfatal-errors 表示“将所有警告视为错误”，即只要出现警告就停止编译。
• 但在 cl 中，没有对应的参数，因此会报错。

---

✅ 解决方案

第一步：确认你是否真的需要使用 cl

如果你在 Cygwin 下运行 make，通常应该使用 g++ 或 gcc 而不是 cl。因为 cl 是 Windows 下的 MSVC 编译器，而 Cygwin 是 Linux 模拟环境，不支持 cl。

✅ 修改 Makefile 中的编译器配置

找到以下部分并修改：

# For Visual Studio 2019
CC=cl

改为：

# For Cygwin (using GCC)
CC=x86_64-pc-cygwin-gcc

或者更明确地指定为：

CC=gcc

如果你有 C++ 代码，建议使用 g++。

---

第二步：删除或替换 /Wfatal-errors 参数

在 Makefile 中查找类似以下的定义：

CFLAGS=/I. /Iinclude /I3rdparty/stb /I3rdparty/opencv/include /W4 /wd4018 /wd4244 /wd4267 /wd4305 /wd4100 /wd4127 /wd4189 /wd4505 /wd4800 /wd4706 /DNDEBUG /D_CRT_SECURE_NO_WARNINGS /DOPENCV `pkg-config --cflags opencv2`

注意其中的 /W4 和 /wd... 是 cl 的选项，而你现在的编译器是 g++，所以这些参数是无效的。

✅ 修改后的 CFLAGS 示例（适用于 g++）：

CFLAGS = -Wall -Wno-unused-result -Wno-unknown-pragmas -fPIC

---

第三步：确保 CUDA 和 OpenCV 路径正确

你当前的路径可能有问题，特别是对于空格和特殊字符的处理。

✅ 修改 CUDA 和 OpenCV 路径（避免空格问题）：

CUDA_PATH=/cygdrive/c/Program\ Files/NVIDIA\ GPU\ Computing\ Toolkit/CUDA/v10.0
OPENCV_PATH=/cygdrive/d/opencv3.4.00/opencv

如果路径中包含空格，需要用反斜杠 \ 转义，或者用引号包裹路径。

---

🧠 总结解决方案步骤

1. 修改编译器为 g++ 或 gcc

   将 CC=cl 改为 CC=gcc 或 CC=g++。

2. 删除 /Wfatal-errors 以及 cl 的专属编译选项

   使用标准的 -Wall, -Wno-unused-result 等 GCC 兼容选项。

3. 检查 CUDA 和 OpenCV 路径是否正确

   确保路径中没有空格或特殊字符，必要时转义。

4. 确保你使用的 CUDA 版本与你的显卡兼容

   例如，CUDA 10.0 可能不支持较新的 GPU。

---

📝 修改后的 Makefile 示例（关键部分）

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

# 编译器标志
CFLAGS = -Wall -Wno-unused-result -Wno-unknown-pragmas -fPIC

# CUDA 路径
CUDA_PATH=/cygdrive/c/Program\ Files/NVIDIA\ GPU\ Computing\ Toolkit/CUDA/v10.0

# OpenCV 路径
OPENCV_PATH=/cygdrive/d/opencv3.4.00/opencv

---

🧪 最后验证

执行以下命令进行编译：

make clean
make

如果一切正常，你应该能够成功生成 darknet.exe。

---

🛠️ 附加建议

• 如果你仍然遇到问题，可以尝试在 Cygwin 中安装 mingw-w64 工具链，并使用 g++ 编译。
• 如果你需要跨平台编译，推荐使用 Linux 环境（如 Ubuntu）来编译 darknet，以避免 Cygwin 的兼容性问题。

---

如有更多关于 CUDA 配置、OpenCV 路径或其他错误的问题，欢迎继续提问！