ehrnspergersi95041/NeuronalesNetzwerk
1
1
Fork 0
generated from freudenreichan/info2Praktikum-NeuronalesNetz
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Anpassungen an neuralnetwork #3

Merged
ehrnspergersi95041 merged 2 commits from Simon's-Branch into main 2025-11-16 17:26:00 +00:00
Conversation 0 Commits 2 Files Changed 3 +81 -36
3 changed files with 81 additions and 36 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files
Showing only changes of commit f2619d32db - Show all commits

4
Start_Windows/makefile
View File

@ -39,8 +39,8 @@ mnistVisualization.o: mnistVisualization.c
matrixTests: matrix.o matrixTests.c
$(CC) $(CFLAGS) -I$(unityfolder) -o runMatrixTests matrixTests.c matrix.o $(BINARIES)/libunity.a
neuralNetworkTests: neuralNetwork.o neuralNetworkTests.c
$(CC) $(CFLAGS) -I$(unityfolder) -o runNeuralNetworkTests neuralNetworkTests.c neuralNetwork.o $(BINARIES)/libunity.a
neuralNetworkTests: neuralNetwork.o matrix.o neuralNetworkTests.c
$(CC) $(CFLAGS) -I$(unityfolder) -o runNeuralNetworkTests neuralNetworkTests.c neuralNetwork.o matrix.o $(BINARIES)/libunity.a
imageInputTests: imageInput.o imageInputTests.c
$(CC) $(CFLAGS) -I$(unityfolder) -o runImageInputTests imageInputTests.c imageInput.o $(BINARIES)/libunity.a

6
Start_Windows/neuralNetwork.c
View File

@ -20,7 +20,7 @@ static void softmax(Matrix *matrix)
for(int rowIdx = 0; rowIdx < matrix->rows; rowIdx++)
{
MatrixType expValue = exp(getMatrixAt(*matrix, rowIdx, colIdx));
setMatrixAt(expValue, *matrix, rowIdx, colIdx);
setMatrixAt(expValue, matrix, rowIdx, colIdx);
colSums[colIdx] += expValue;
}
}
@ -30,7 +30,7 @@ static void softmax(Matrix *matrix)
for(int rowIdx = 0; rowIdx < matrix->rows; rowIdx++)
{
MatrixType normalizedValue = getMatrixAt(*matrix, rowIdx, colIdx) / colSums[colIdx];
setMatrixAt(normalizedValue, *matrix, rowIdx, colIdx);
setMatrixAt(normalizedValue, matrix, rowIdx, colIdx);
}
}
free(colSums);
@ -182,7 +182,7 @@ static Matrix imageBatchToMatrixOfImageVectors(const GrayScaleImage images[], un
{
for(int j = 0; j < images[i].width * images[i].height; j++)
{
setMatrixAt((MatrixType)images[i].buffer[j], matrix, j, i);
setMatrixAt((MatrixType)images[i].buffer[j], &matrix, j, i);
}
}
}

107
Start_Windows/neuralNetworkTests.c
View File

@ -23,49 +23,94 @@
// 2) Stellen Sie sicher, dass alle Unittests erfolgreich durchlaufen.
// make neuralNetworkTests && ./runNeuralNetworkTests
// static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
// {
// // First Draft
//
// // 1. Datei im binären Schreibmodus öffnen
// FILE *file = fopen(path, "wb");
// if (file == NULL) {
// perror("Fehler beim Öffnen der Datei");
// return;
// }
//
// // 2. Den Identifikations-Tag schreiben
// const char *fileTag = "__info2_neural_network_file_format__";
// fwrite(fileTag, sizeof(char), strlen(fileTag), file);
//
// // 3. Die Anzahl der Schichten schreiben
// fwrite(&nn.numberOfLayers, sizeof(int), 1, file);
//
// // 4. Schleife über alle Schichten, um deren Daten zu schreiben
// for (int i = 0; i < nn.numberOfLayers; i++) {
// Layer currentLayer = nn.layers[i];
//
// // 4a. Daten der Gewichts-Matrix (weights) schreiben
// Matrix weights = currentLayer.weights;
// int weightElements = weights.rows * weights.cols;
//
// // Schreibe Dimensionen (Zeilen, Spalten)
// fwrite(&weights.rows, sizeof(int), 1, file);
// fwrite(&weights.cols, sizeof(int), 1, file);
// // Schreibe den Daten-Buffer (die eigentlichen Zahlen)
// fwrite(weights.buffer, sizeof(MatrixType), weightElements, file);
//
// // 4b. Daten der Bias-Matrix (biases) schreiben
// Matrix biases = currentLayer.biases;
// int biasElements = biases.rows * biases.cols;
//
// // Schreibe Dimensionen (Zeilen, Spalten)
// fwrite(&biases.rows, sizeof(int), 1, file);
// fwrite(&biases.cols, sizeof(int), 1, file);
// // Schreibe den Daten-Buffer
// fwrite(biases.buffer, sizeof(MatrixType), biasElements, file);
// }
// // 5. Datei schließen
// fclose(file);
// }
static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
{
// First Draft
// 1. Datei im binären Schreibmodus öffnen
FILE *file = fopen(path, "wb");
if (file == NULL) {
perror("Fehler beim Öffnen der Datei");
return;
}
// 2. Den Identifikations-Tag schreiben
const char *fileTag = "__info2_neural_network_file_format__";
fwrite(fileTag, sizeof(char), strlen(fileTag), file);
// 1. Header schreiben
const char *fileHeader = "__info2_neural_network_file_format__";
fwrite(fileHeader, sizeof(char), strlen(fileHeader), file);
// 3. Die Anzahl der Schichten schreiben
fwrite(&nn.numberOfLayers, sizeof(int), 1, file);
// Prüfen ob Layer existieren
if (nn.numberOfLayers > 0)
{
// 2. Die Input-Dimension der ALLERERSTEN Schicht schreiben
// (Das sind die Spalten der Gewichtsmatrix der ersten Schicht)
int inputDim = nn.layers[0].weights.cols;
fwrite(&inputDim, sizeof(int), 1, file);
// 4. Schleife über alle Schichten, um deren Daten zu schreiben
for (int i = 0; i < nn.numberOfLayers; i++) {
Layer currentLayer = nn.layers[i];
// 3. Durch alle Schichten iterieren
for(int i = 0; i < nn.numberOfLayers; i++)
{
// Die Output-Dimension dieser Schicht schreiben (Zeilen der Gewichtsmatrix)
int outputDim = nn.layers[i].weights.rows;
fwrite(&outputDim, sizeof(int), 1, file);
// 4a. Daten der Gewichts-Matrix (weights) schreiben
Matrix weights = currentLayer.weights;
int weightElements = weights.rows * weights.cols;
// 4. Gewichte (Weights) schreiben (nur den Buffer, keine Dimensionen mehr!)
// loadModel weiß durch inputDim und outputDim schon, wie groß die Matrix ist.
int weightsCount = nn.layers[i].weights.rows * nn.layers[i].weights.cols;
fwrite(nn.layers[i].weights.buffer, sizeof(MatrixType), weightsCount, file);
// Schreibe Dimensionen (Zeilen, Spalten)
fwrite(&weights.rows, sizeof(int), 1, file);
fwrite(&weights.cols, sizeof(int), 1, file);
// Schreibe den Daten-Buffer (die eigentlichen Zahlen)
fwrite(weights.buffer, sizeof(MatrixType), weightElements, file);
// 4b. Daten der Bias-Matrix (biases) schreiben
Matrix biases = currentLayer.biases;
int biasElements = biases.rows * biases.cols;
// Schreibe Dimensionen (Zeilen, Spalten)
fwrite(&biases.rows, sizeof(int), 1, file);
fwrite(&biases.cols, sizeof(int), 1, file);
// Schreibe den Daten-Buffer
fwrite(biases.buffer, sizeof(MatrixType), biasElements, file);
// 5. Biases schreiben (nur den Buffer)
int biasCount = nn.layers[i].biases.rows * nn.layers[i].biases.cols;
fwrite(nn.layers[i].biases.buffer, sizeof(MatrixType), biasCount, file);
}
}
// 5. Datei schließen
// 6. Eine 0 schreiben, um das Ende der Dimensionen zu signalisieren
// (loadModel bricht die while-Schleife ab, wenn readDimension 0 liefert)
int stopMark = 0;
fwrite(&stopMark, sizeof(int), 1, file);
fclose(file);
}