# Aufgabenverteilung:


| Flo | Jamin |
|---|---|
| Matrixfunktionen | Image-Ladefunktionen |
| Matrixmultiplikation | Dateiformat verstehen |
| Broadcasting | Datei einlesen |
| Speicherverwaltung | Speicherverwaltung |
| NN-Testdatei schreiben | clearSeries |
| ca. 50–55 % | ca. 45–50 % |

---

## imageInput:
- Implementieren Sie geeignete Hilfsfunktionen für das Lesen der Bildserie aus einer Datei
- Vervollständigen Sie die Funktion readImages unter Benutzung Ihrer Hilfsfunktionen
- Vervollständigen Sie die Funktion clearSeries, welche eine Bildserie vollständig aus dem Speicher freigibt

## matrix:
- Matrix-Funktionen implementieren

## neuralNetworkTests:
- prepareNeuralNetworkFile

---


# Co-Pilot Guideline:

---

## Aufgabe 1: Matrix-Modul implementieren

### Matrix-Struktur erstellen

Eine geeignete `struct Matrix` definieren, die mindestens enthält:

- Anzahl der Zeilen
- Anzahl der Spalten
- Speicherbereich für die Matrixwerte

### Fehlende Funktionen implementieren

Alle TODOs in `matrix.c` bearbeiten.

Besonderes Augenmerk auf die Funktion:

```c
add()
```

Anforderungen:

- Elementweise Addition zweier Matrizen gleicher Größe
- Broadcasting einer Spaltenvektor-Matrix auf eine größere Matrix

### Tests ausführen

```bash
make matrixTests
./runMatrixTests
```

---

## Aufgabe 2: Bilder einlesen

Die Datei `mnist_test.info2` enthält die Testbilder im Binärformat.

### Vorgehensweise

1. Sinnvolle Hilfsfunktionen in `imageInput.c` erstellen
2. Diese als `static` deklarieren
3. Eigene Unit-Tests ergänzen
4. Funktion `readImages()` implementieren

### Tests ausführen

```bash
make imageInputTests
./runImageInputTests
```

---

## Aufgabe 3: Neuronales Netz testen

In `neuralNetworkTests.c` die Funktion

```c
prepareNeuralNetworkFile()
```

implementieren.

### Ziel

- Eine gültige Testdatei für die Unit-Tests generieren
- Die erwartete Dateistruktur einhalten

### Tests ausführen

```bash
make neuralNetworkTests
./runNeuralNetworkTests
```

---

## Abschluss

Vor der Abgabe sicherstellen, dass:

- Alle Unit-Tests erfolgreich sind
- Keine Compiler-Warnungen auftreten
- Das Gesamtprogramm korrekt funktioniert

### Endprogramm kompilieren

```bash
make mnist
```

### Programm ausführen

```bash
./mnist mnist_test.info2 mnist_model.info2
```

---

## Optionale Erweiterung

Mit der Bibliothek **Raylib** eine grafische Oberfläche erstellen:

- Ziffern mit der Maus zeichnen
- Zeichnung als Eingabe für das neuronale Netz verwenden
- Klassifikation direkt anzeigen