使用GDB对darknet进行调试过于复杂，考虑使用codeblocks以图形化界面对darknet进行调试。现给出编译配置方法。
1）编译*.cu文件
由于codeblocks无法使用多种编译器进行编译（或许可以，但本人不会），因此需要先对*.cu文件进行编译，生成*.o文件。这里编译*.cu的方法是使用darknet代码中给出的makefile中的命令。我使用的方法更为直接，直接执行darknet中的makefile文件生成所有文件，然后将*.cu对应的*.o文件拷贝出来。这一步生成*.o有：
| 源文件 | object文件 |
| blas_kernels.cu | blas_kernels.o |
| col2im_kernels.cu | col2im_kernels.o |
| im2col_kernels.cu | im2col_kernels.o |
| activation_kernels.cu | activation_kernels.o |
| crop_layer_kernels.cu | crop_layer_kernels.o |
| avgpool_layer_kernels.cu | avgpool_layer_kernels.o |
| convolutional_kernels.cu | convolutional_kernels.o |
| dropout_layer_kernels.cu | dropout_layer_kernels.o |
| maxpool_layer_kernels.cu | maxpool_layer_kernels.o |
| deconvolutional_kernels.cu | deconvolutional_kernels.o |
2）创建工程
上述过程生成的object文件留待使用。在codeblocks中创建工程，选择“empty project”即可，将darknet中example、src、include文件夹拷贝到所创建工程中。然后右键工程名，选择“add files recursively”添加文件，选择“select all”添加所有文件。
3）配置头文件路径
右键工程名，选择“Build options...”，配置如下图，主要是配置darknet.h文件所在的位置与cuda.h文件的位置。
3）配置编译选项
还是在build option下，定义GPU、CUDNN，若还想使用openmp与opencv，还可添加OPENCV、OPENMP，此处与makefile的最开头处对应。
4）配置链接库地址
配置动态链接库pthread、stdc++、cuda、cudart、curand、cudnn，其中pthread与cuda库在程序中有涉及，stdc++的作用不清楚。若不清楚动态链接库的位置，可以使用locate命令查询。
5）配置*.o文件
通过上一张图可以看到，配置动态链接库的同时还要配置由*.cu文件生成的*.o文件。第一步中生成的*.cu文件可以直接拷贝到项目根目录下，或者拷贝到某个位置将路径同时写进去。
6）编译程序
上述路径、选项配置好后，点击编译即可生成可执行程序，此时darknet已经可以调试。编译好不建议使用clean，因为可能造成*.o文件的全部删除，由*.cu生成的*.o就需要重新配置了。
7）设置执行参数
选择Project->set program's arguments，设置指定参数
同时还要设置执行路径，否则加载文件时会出错。设置为可执行程序所在的路径，参数的设置也是相对于执行路径。
8）PS：直接执行makefile
在codeblocks可以直接执行makefile，也不会报什么错误，但在执行时会出现加载cuda库错误，用IDE编译链接生成的程序则没有这个问题，因此建议按照上面的教程自己生成可执行程序。
9）再PS：直接执行makefile可行的方法
针对8）中存在的问题，在setting->Environment中选择Environment variables，添加LD_LIBRARY_PATH环境变量，添加cuda lib相应路径即可。这可能是codeblocks的问题，启动的时候不能加载环境变量，pycharm也存在类似的问题。