将MATLAB生成神经网络使用Visual Studio构建

第一步：生成代码

下面是生成的代码，其中examples中为main.c和main.h，将其复制出来，将所有.c和.h文件放在同一目录中（不放也可以，构建项目时注意子文件即可）

第二步：编写CMakeLists.txt

编写CMakeLists.txt文件，创建build目录，用于存放工程（当有多级目录，请自主添加子CMakeLists.txt）
下面展示一些 内联代码片。

参考例子：这里的C文件一定要与生成的文件一致

cmake_minimum_required(VERSION 3.26.3)
project(demo)
include_directories(${PROJECT_SOURCE_DIR})
add_executable(demo main.c classify_fun.c classify_fun_data.c classify_fun_initialize.c classify_fun_terminate.c conv2dDirectOptimizedColMajor.c poolingOperation.c predict.c rt_nonfinite.c rtGetInf.c rtGetNaN.c)

第三步：配置生成Visual Studio工程

使用GUI配置，打开CMAKE程序
分别选择工程目录和build项目构建目录（注意，在第一步中，我已经将所有.c文件和.h文件当放到了同一个工程目录中）

点击Configure配置选择对应版本的Visual Studio，这里是2019

然后点击Generate生成工程，生成的工程就在工程目录的build文件夹下

第四步：配置使用Visual Studio工程

打开生成的工程的main.c文件，其中有一个函数：
数组dv就是需要传入的特征值，自定义即可

void main_classify_fun(void)用于分类（函数名和MATLAB的函数有关）
{
	double dv[6];//特征值，需要归一化后的值，自定义即可，我这里特征值有6个
	double label0;
	//此函数好像没用，里面将数组清空了，注释掉即可
	//argInit_6x1_real_T(dv);
	label0 = classify_fun(dv);//分类得到标签值，即真正分类
	printf("label = %f\r\n", label0);
}

归一化函数（float类型）

// 归一化函数，在上面函数传入数组前调用
void normalize(double arr[], int size)
{
  double min_val = arr[0];
  double max_val = arr[0];

  // 找到数组中的最小值和最大值
  for (int i = 1; i < size; i++) {
    if (arr[i] < min_val) {
      min_val = arr[i];
    }
    if (arr[i] > max_val) {
      max_val = arr[i];
    }
  }
  // 对数组进行归一化
  double range = max_val - min_val;
  if (range != 0.0) {
    for (int i = 0; i < size; i++) {
      arr[i] = (arr[i] - min_val) / range;
    }
  }
}

因此完整的使用流程应该为：
//该数据为原始数据，需使用函数归一化
double mydv1[6] = {-0.304063600000000,10.1322600000000,-4.65672200000000, 
				-16.5648900000000, 23.9236600000000, 6.24427500000000
                    };
void main_classify_fun(void)
{
//先对数据归一化
  normalize(mydv1, 6);
  double dv[6];
  double label0;
  //argInit_6x1_real_T(dv);
  //传入函数即可
  label0 = classify_fun(mydv1);
//打印分类标签
  printf("label = %f\r\n", label0);
}

点击运行即可，可能会保存，找不到启动项，此时右键工程设为启动项即可。

运行示意图，我这里将归一化数据打印出来了，可以看到与matlab中的特征值对应的标签为4。(这个有一定误判，准确率与数据集和模型有关，这个不太懂)