yoloを用いた自前データの学習

自前データで学習する際にエラーがでてつまずいてしまい、質問させていただきました。
ご教授いただけると幸いです。

環境
ubuntu16.0.4
gpu:GeForce gtx640
yolov2
cuda8.0

＜参考サイト＞
http://demura.net/misc/14458.html
https://qiita.com/harmegiddo/items/c3db5fd567fa4c6cc9fb

src
 |-darknet
   |- cfg
     |- task
         |-  dataset.data
         |-  class.txt
         |-  train.txt
         |-  test.txt
         |-  train.cfg
         |-  backup
         |-  img.dataset
              |- img(1).jpg
              |- img(1).txt
              |- img(2).jpg
              |- img(2).txt
              |- ...

dataset.dataの中身が

classes=1
train = /home/user/src/darknet/cfg/task/train.list
valid = /home/useer/src/darknet/cfg/task/test.list
names = /home/user/src/darknet/cfg/task/names.list
backup = /home/user/src/darknet/cfg/task/backup

train.txtの中身が

/home/user/src/darknet/cfg/task/img.dataset/img (10).jpg
/home/uaer/src/darknet/cfg/task/img.dataset/img (100).jpg
/home/uaer/src/darknet/cfg/task/img.dataset/img (101).jpg
/home/uaer/src/darknet/cfg/task/img.dataset/img (102).jpg
/home/uaer/src/darknet/cfg/task/img.dataset/img (104).jpg
/home/uaer/src/darknet/cfg/task/img.dataset/img (105).jpg

例えばimg(1).txtの中身が

0 0.435937 0.033333 0.190625 0.058333

tarain.cfgの中身が

[net]
# Testing
#batch=1
#subdivisions=1
# Training
batch=20　　　　　　　　#変更
subdivisions=20 　　　#変更
height=416
width=416
channels=1
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
・
・
・
[convolutional]
size=1
stride=1
pad=1
filters=30　　　　　　#変更
activation=linear


[region]
anchors =  1.3221, 1.73145, 3.19275, 4.00944, 5.05587, 8.09892, 9.47112, 4.84053, 11.2364, 10.0071
bias_match=1
classes=1　　　　　　#変更
coords=4
num=5
softmax=1
jitter=.3
rescore=1

object_scale=5
noobject_scale=1
class_scale=1
coord_scale=1

absolute=1
thresh = .6
random=1

学習を始める

./darknet detector train cfg/task/dataset.data cfg/task/train.cfg darknet19_448.conv.23

ayer     filters    size              input                output
    0 conv     18  3 x 3 / 1   416 x 416 x   1   ->   416 x 416 x  18  0.056 BFLOPs
    1 max          2 x 2 / 2   416 x 416 x  18   ->   208 x 208 x  18
    2 conv     18  3 x 3 / 1   208 x 208 x  18   ->   208 x 208 x  18  0.252 BFLOPs
    3 max          2 x 2 / 2   208 x 208 x  18   ->   104 x 104 x  18
    4 conv     18  3 x 3 / 1   104 x 104 x  18   ->   104 x 104 x  18  0.063 BFLOPs
    5 conv     18  1 x 1 / 1   104 x 104 x  18   ->   104 x 104 x  18  0.007 BFLOPs
    6 conv     18  3 x 3 / 1   104 x 104 x  18   ->   104 x 104 x  18  0.063 BFLOPs
    7 max          2 x 2 / 2   104 x 104 x  18   ->    52 x  52 x  18
    8 conv     18  3 x 3 / 1    52 x  52 x  18   ->    52 x  52 x  18  0.016 BFLOPs
    9 conv     18  1 x 1 / 1    52 x  52 x  18   ->    52 x  52 x  18  0.002 BFLOPs
   10 conv     18  3 x 3 / 1    52 x  52 x  18   ->    52 x  52 x  18  0.016 BFLOPs
   11 max          2 x 2 / 2    52 x  52 x  18   ->    26 x  26 x  18
   12 conv     18  3 x 3 / 1    26 x  26 x  18   ->    26 x  26 x  18  0.004 BFLOPs
   13 conv     18  1 x 1 / 1    26 x  26 x  18   ->    26 x  26 x  18  0.000 BFLOPs
   14 conv     18  3 x 3 / 1    26 x  26 x  18   ->    26 x  26 x  18  0.004 BFLOPs
   15 conv     18  1 x 1 / 1    26 x  26 x  18   ->    26 x  26 x  18  0.000 BFLOPs
   16 conv     18  3 x 3 / 1    26 x  26 x  18   ->    26 x  26 x  18  0.004 BFLOPs
   17 max          2 x 2 / 2    26 x  26 x  18   ->    13 x  13 x  18
   18 conv     18  3 x 3 / 1    13 x  13 x  18   ->    13 x  13 x  18  0.001 BFLOPs
   19 conv     18  1 x 1 / 1    13 x  13 x  18   ->    13 x  13 x  18  0.000 BFLOPs
   20 conv     18  3 x 3 / 1    13 x  13 x  18   ->    13 x  13 x  18  0.001 BFLOPs
   21 conv     18  1 x 1 / 1    13 x  13 x  18   ->    13 x  13 x  18  0.000 BFLOPs
   22 conv     18  3 x 3 / 1    13 x  13 x  18   ->    13 x  13 x  18  0.001 BFLOPs
   23 conv     18  3 x 3 / 1    13 x  13 x  18   ->    13 x  13 x  18  0.001 BFLOPs
   24 conv     18  3 x 3 / 1    13 x  13 x  18   ->    13 x  13 x  18  0.001 BFLOPs
   25 route  16
   26 conv     18  1 x 1 / 1    26 x  26 x  18   ->    26 x  26 x  18  0.000 BFLOPs
   27 reorg              / 2    26 x  26 x  18   ->    13 x  13 x  72
   28 route  27 24
   29 conv     18  3 x 3 / 1    13 x  13 x  90   ->    13 x  13 x  18  0.005 BFLOPs
   30 conv     30  1 x 1 / 1    13 x  13 x  18   ->    13 x  13 x  30  0.000 BFLOPs
   31 detection
mask_scale: Using default '1.000000'
Loading weights from darknet19_448.conv.23...Done!
Learning Rate: 0.001, Momentum: 0.9, Decay: 0.0005
Resizing
576
Loaded: 0.051745 seconds
Segmentation fault (コアダンプ)

nvidia
1+-----------------------------------------------------------------------------+
2| NVIDIA-SMI 410.78       Driver Version: 410.78       CUDA Version: 10.0     |
3|-------------------------------+----------------------+----------------------+
4| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
5| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
6|===============================+======================+======================|
7|   0  GeForce GTX 645     Off  | 00000000:01:00.0 N/A |                  N/A |
8| 30%   36C    P8    N/A /  N/A |    238MiB /   974MiB |     N/A      Default |
9+-------------------------------+----------------------+----------------------+
10                                                                               
11+-----------------------------------------------------------------------------+
12| Processes:                                                       GPU Memory |
13|  GPU       PID   Type   Process name                             Usage      |
14|=============================================================================|
15|    0                    Not Supported                                       |
16+-----------------------------------------------------------------------------+
17

nvcc
1nvcc: NVIDIA (R) Cuda compiler driver
2Copyright (c) 2005-2016 NVIDIA Corporation
3Built on Mon_Jan_23_12:24:11_CST_2017
4Cuda compilation tools, release 8.0, V8.0.62

対策
sudoをつけて実行する
パスの確認をする

思い当たる点としてドライバのバージョンが最新版でありnvidia-smiに表記されるCUDA Version: 10.0 のcudaとのバージョン違いなのでしょうか？
gpuが古いこともあって、cuda8.0対応のドライバが公式になく、410.78を入れてしまいました。

なにかアドバイスをいただけると助かります。