环境：win10，vs2015，cuda9.0，cudnn7.1.4
1，yolo v3，编译能通过，不能运行
2，自己的cifar10训练（cudnn封装的类），使用bn层增加，batch=32就会失败，batch=64就会正常，甚至要batch=128（使用5个bn层）
3，batch=128，6个bn层，失败，但是相同程序，相同配置，1060显卡，batch=32，6个bn层能成功运行！成绩只是不高！
4，还有就是，batch=128（使用5个bn层），测试时，batch=1，mx550会闪退，所以不得不重写了一个测试函数仿照训练模式！但是1060显卡正常（batch=32（使用5个bn层），测试时，batch=1）！
5，batch=128（使用5个bn层），运行成功，相同程序改成batch=64，5个bn层，会出现nan失败！
6，6*6，8*8的卷积也不能用！（cpu自己写程序，正常）
7，封装成类的层与cudnn api混合用在程序中，也会闪退！
8，但是只要程序正常运行，运行时间基本与1060显卡相同，cifar10训练1轮5万张图片，基本25秒时间
环境升级：win10，vs2015，cuda10.2，cudnn7.6下，
6个bn层，仍然失败，但是其他稳定多了，cifar10训练1轮5万张图片，基本60秒时间，性能下降了？！但是可以用compute_75了！
yolo v3可以正常运行（编译运行都正常！）
