技術標籤：C++c++python

m2cgen庫：將機器學習模型轉換為零依賴的本機程式碼（Java，C，Python，Go，JavaScript）。本文演示將其轉換為C/C++程式碼，使用sklearn機器學習庫中的隨機森林迴歸，訓練波士頓資料集，而後匯出為C程式碼，並在visual studio中編譯執行。

m2cgen庫的github地址：https://github.com/markWZX/m2cgen

1. 首先安裝m2cgen庫，在命令列視窗輸入：pip install m2cgen （Python版本> = 3.4）。
2. 開啟pycharm，輸入以下程式碼：

from sklearn.
 
datasets import load_boston
from sklearn.ensemble import RandomForestRegressor
import m2cgen as m2c

boston = load_boston()
X, y = boston.data, boston.target
clf = RandomForestRegressor(random_state=0,n_jobs=-1)
model=clf.fit(X, y)
code = m2c.export_to_c(model)#匯出為c程式碼
print(code)

匯出的c程式碼有1萬多行，就不在此貼上了，將其複製到visual studio中專案的原始碼中，再手動新增一個main()函式，在main()函式中呼叫匯出來的score()函式，進行迴歸預測。（另外添加了計算程式執行時間的程式碼，畢竟1萬多行有點可怕，經過測試連續呼叫10萬次score()函式，所花時間為0.009s，所花費時間可以接受）

int main()
{
	double features[] = { 2.7290e-02, 0.0000e+00, 7.0700e+00, 0.0000e+00, 4.6900e-01,
	   7.1850e+00, 6.1100e+01, 4.9671e+00, 2.0000e+00, 2.4200e+02,
	   1.7800e+01, 3.9283e+02, 4.0300e+00 };
	clock_t start, finish;
	double totaltime;
	start = clock();
	//for (int i = 0; i < 100000; ++i)
	//{
		double output = score(features);
	//}
	finish = clock
 
();
	totaltime = (double)(finish - start) / CLOCKS_PER_SEC;
	cout << "\n此程式的執行時間為" << totaltime << "秒！" << endl;

	std::cout << output << std::endl;
}

輸出結果為：35.91
在Python中的結果為34.7，可驗證C程式碼的正確性