C语言卷积神经网络（无训练，仅用于嵌入式部署）

写在前面

最近正好在做一个基于ZYNQ的人脸识别项目，所以就打算先用PS端做一个C语言的卷积神经网络，结果去网上搜，C语言神经网络的资料有很多，但是好多都不是很好部署，讲解的也不太详细。最后实在没办法，想趁着这个假期没事干，重复造一遍轮子，自己手搓一遍C语言卷积神经网络，也算是加深理解，打发假期时光了。

由于本人是微电子专业，所以代码规范性，代码风格可能比计算机科班出身的同学差很多，也请大家见谅。大家作为参考就好，也非常欢迎计算机专业的同学在我的这个基础上做改进。

我总共编写了3个工程，分别是1）PC端使用malloc动态数组的手写数字识别，2）用于嵌入式设备部署的使用静态数组的手写数字识别，3）以及用于嵌入式设备部署的使用静态数组的人脸识别。这三个工程我都把全部工程上传到gitcode上开源了，供大家参考~

代码开源地址

我把3个工程代码开源在GitCode了，链接在下面，大家自取

GitCode - 全球开发者的开源社区,开源代码托管平台GitCode是面向全球开发者的开源社区,包括原创博客,开源代码托管,代码协作,项目管理等。与开发者社区互动,提升您的研发效率和质量。https://gitcode.com/Naruto123456__/C_CNN.git

还有Gitee代码链接：

C语言卷积神经网络_无训练仅用于嵌入式部署: 我自己使用C语言卷积神经网络，注意：无训练仅用于嵌入式部署https://gitee.com/zhao15947470421/C_CNN.git

上面这个链接我同学测试了一下，可能打不开，我还上传了百度网盘，地址在下面

链接：https://pan.baidu.com/s/1Nb2OU4yLefUBnJ9IZx-G9A?pwd=zh66 
提取码：zh66

代码简介

首先，我先说几点这个代码的注意点：

1. 本程序的各个神经网络函数以及参数是以pytorch框架作为参考的，所以例如卷积层中的参数in_channels表示输入的数据通道数，参考pytorch函数即可。
2. 卷积函数Conv和池化函数MaxPool没有padding功能，padding直接设置为0即可
3. 本程序只做部署推理，没有训练
4. 所有的权重和偏置以及输入数据均在头文件中
5. 本程序是在VS2022软件下编写，其他的环境可能各个文件的引用会有问题
6. 本程序现有历程是一个LeNet-5网络做手写数字识别以及一个aceNet人脸识别
7. 本程序在VS2022中直接点击调试按钮或者按F5即可运行

压缩包里面只包括了代码，需要自己新建一个VS工程，然后添加这些代码，下面说一下这些文件的作用：

1. data_define.h是输入的数据以及每一层神经网络大小的定义头文件，
2. weignt_and_bias_layerx.h就是第x层网络的权重和参数数据头文件，
3. Conv.c, MaxPool.c这些就是卷积，池化层的c文件，每一个函数都有一个对应的.h头文件，
4. 主函数就在main.c中，
5. LeNet.ipynb就是这个网络训练的pytorch代码，
6. 最后还有4个txt文件就是原始的输入数据。

实例讲解具体使用方法

我感觉还是通过一个具体的实例，一步一步教大家怎么使用这个代码比较好。

步骤1 首先通过pytorch等框架训练好一个神经网络

第一步就是通过pytorch或者tensorflow等框架训练好一个神经网络，然后将神经网络的结构和参数打印出来，就像下面这样：

这里我推荐使用pytorch的一个tor