最近在加载yolo模型时，总是无缘无故出现cuda error的错误，初步判断为环境问题，所以讲yolo编译中需要注意的问题总结如下：
一、Darknet编译使用GPU要求显卡是Nvidia卡并且正确安装了CUDA。
GPU环境下的编译配置都是在 /darknet/Makefile 文件中定义的，GPU环境的编译有3点更改需要注意。
1. 更改Makefile前两行GPU和CUDNN的配置：
GPU=1
CUDNN=1
2、更改CUDA的路径
48~51行，在”ifeq (
(GPU), 1)
COMMON+= -DGPU -I/usr/local/cuda/include/
CFLAGS+= -DGPU
LDFLAGS+= -L/usr/local/cuda/lib64 -lcuda -lcudart -lcublas -lcurand
将三处的cuda路径改为自己本机上的路径即可
修改NVCC的路径：
NVCC=/usr/local/cuda-8.0/bin/nvcc
3、修改ARCH配置（该项在以前编译的过程中压根就没有注意，但是最近出现的cuda error都是因为这个隐秘的大坑。工程从别处拷贝个过来，两台机器的显卡不一样，但是本人直接编译。工程是直接可以编译的，但是一运行yolo模型就会出现cuda error。各位同学应该紧密关注自己显卡的型号，并将arch配置成符合自己显卡型号的配置）
如果经过1和2的配置修改后编译的darknet运行可能会报以下错误：
Loadingweights from yolo.weights…Done!
CUDA Error:invalid device function
darknet: ./src/cuda.c:21: check_error: Assertion `0’ failed.
Aborted (core dumped)
就是上述忽略自身显卡型号造成的。
这是因为配置文件Makefile中配置的GPU架构和本机GPU型号不一致导致的。
更改前默认配置如下（不同版本可能有变）：
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_20,code=[sm_20,sm_21] \ This one is deprecated?
This is what I use, uncomment if you know your arch and want to specify
ARCH= -gencode arch=compute_52,code=compute_52
compute_30表示显卡的计算能力是3.0，几款主流GPU的compute capability列表：
GTX Titan x ： 5.2
GTX 980 ： 5.2
Tesla K80 ： 3.7
Tesla K40 ： 3.5
K4200 ： 3.0
修改过后重新编译即可