你在编译器里面build一下，然后去\bin\debug目录下找.exeexe就是可执行文件了。运行的时候可能需要用到debug目录下的其他文件(如配置文件、dll等)，所以需要把debug下的所有文件都放到一起。
为沙湾等地区用户提供了全套网页设计制作服务，及沙湾网站建设行业解决方案。主营业务为网站设计、网站建设、沙湾网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！
1、在matlab 2018b中，这里以打包GUI界面为例，创建一个简单的加法计算器
2、开始打包，在命令行窗口中输入“deploytool”，按回车键
3、进去compiler界面之后，点击Application Compiler
4、点击进去之后，首先在"Add main file"中添加主文件，输入应用名称和作者，在“Files required for your application to run”里面添加所有文件，点击package进行打包
5、等待一下，可以看到已经打包成功了，直接点击“打开输出文件夹”
6、在路径“C:\Users\a\Desktop\xx\for_redistribution_files_only”下面可以看到xx.exe程序。
7、双击xx.exe程序，可以看到已经显示出加法计算器界面，输入数字，点击计算，可以得出正确结果。
第一步：一键发布 *.a7p文件（文件-发布） 第二步：打包成EXE文件 *.exe文件第三步：把第二步中得到的exe文件COPY到Published Files文件夹下的Local文件夹里 第四步：找到AUTHORWARE的安装目录，把js32.dll VCT32161.dll AWIML32.DLL三个ＤＬＬ文件也ＣＯＰＹ到Published Files文件夹下的Local文件夹里 第五步：那个Local文件夹就是你要的东西了附：如果有其他的更好的好方法，希望看帖后留言，共同进步
请采纳。
将深度学习模型部署为exe需要工具主要包括生产环境下PyTorch模型转换、PyTorch模型转为C++模型、生产环境下TensorFlow模型转换、生产环境下Keras模型转换、生产环境下MXNet模型转换、基于Go语言的机器学习模型部署、通用深度学习模型部署工具箱、前端UI设计资源、移动端和嵌入式模型部署、后端开发部分、基于Python的代码优化和加速等。
