Neuronales-Netz/Startcode

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:

add()

Anforderungen:

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

Tests ausführen

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

make imageInputTests
./runImageInputTests

---

Aufgabe 3: Neuronales Netz testen

In neuralNetworkTests.c die Funktion

prepareNeuralNetworkFile()

implementieren.

Ziel

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

Tests ausführen

make neuralNetworkTests
./runNeuralNetworkTests

---

Abschluss

Vor der Abgabe sicherstellen, dass:

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

Endprogramm kompilieren

make mnist

Programm ausführen

./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