OpenNN 是一个用 C++ 编写的高级分析软件库，实现了神经网络——这一最成功的机器学习方法。

OpenNN 的主要优势在于其高性能。

该库在执行速度和内存分配方面表现突出，并且不断进行优化与并行化，以最大限度地提升效率。

OpenNN 的典型应用包括商业智能（客户细分、流失预防等）、医疗健康（早期诊断、微阵列分析等）以及工程领域（性能优化、预测性维护等）。

文档由教程和示例组成，旨在全面介绍该库的功能与使用方法。

文档可在官方 OpenNN 官网 上查阅。

CMakeLists.txt 是 CMake 的构建文件，CLion IDE 也使用这些文件。

.pro 文件则是 Qt Creator IDE 的项目文件，可从其 官网 下载。需要注意的是，OpenNN 并未使用 Qt 库。

OpenNN 由专注于人工智能的公司 Artelnics 开发。

OpenNN 快速上手指南

环境准备

系统要求

• 操作系统：支持 Linux、Windows 和 macOS
• 编译器：C++11 或更高版本（推荐使用 GCC 或 Clang）
• CMake：3.0 或更高版本（用于构建项目）

前置依赖

• CMake（用于构建）
• 无 Qt 依赖（虽然提供 .pro 文件用于 Qt Creator，但 OpenNN 本身不使用 Qt 库）

---

安装步骤

从源码安装

1. 克隆仓库到本地：

   git clone https://github.com/Artelnics/opennn.git
   

2. 进入项目目录：

   cd opennn
   

3. 使用 CMake 构建项目（以 Linux/macOS 为例）：

   mkdir build
   cd build
   cmake ..
   make
   

4. 安装（可选）：

   sudo make install
   

如果你使用的是 Windows，可以使用 CMake GUI 或 CLion IDE 来配置和构建项目。

---

基本使用

以下是一个最简单的神经网络示例，展示如何创建一个感知机模型并进行训练：

#include <iostream>
#include "opennn.h"

int main() {
    // 创建数据集
    DataSet dataset;
    dataset.load_csv("data.csv");

    // 分割为输入输出
    dataset.split_data();

    // 创建感知机模型
    Perceptron perceptron(&dataset);

    // 设置训练参数
    perceptron.set_training_method(Perceptron::StochasticGradientDescent);
    perceptron.set_learning_rate(0.01);

    // 训练模型
    perceptron.train();

    // 输出结果
    std::cout << "训练完成！" << std::endl;

    return 0;
}

示例中使用的 data.csv 文件应包含训练数据，格式为每行一个样本，最后一列为输出标签。

---

请确保将上述代码保存为 .cpp 文件，并使用 CMake 配置好 OpenNN 的头文件路径后编译运行。