Compare commits

...

7 Commits
Pia ... main

Author SHA1 Message Date
silvana884
164071c3ad Fehler korrigieren 2025-11-26 11:18:47 +01:00
silvana884
3e9041e437 Matrix.c kommentiert 2025-11-26 10:52:42 +01:00
silvana884
4c984c59da Matrix.h zusammengefuehrt 2025-11-26 10:33:55 +01:00
silvana884
3d352d7c06 neuralNetwork.c eingefuegt 2025-11-26 10:33:18 +01:00
silvana884
cd5e29d44d neuralNetwork.h eingefuegt 2025-11-26 10:32:37 +01:00
silvana884
cc54d4e1dc NeuralNetwork.tests.c eingefuegt 2025-11-26 10:31:46 +01:00
74e7a21999 Merge pull request 'Pia' (#2) from Pia into main
Reviewed-on: #2
2025-11-26 09:27:00 +00:00
5 changed files with 65 additions and 6 deletions

View File

@ -2,8 +2,9 @@
#include <string.h>
#include "matrix.h"
// TODO Matrix-Funktionen implementieren
//Erstellt eine mit Nullen gefuellte Matrix, wenn genug Speicherplatz vorhanden ist und ein out-of-bounds-error durch unpassende Spalten oder Zeilen verhindert werden kann.
//Gibt die erstellte Matrix als Matrix-Objekt zurueck, also als eine Kopie der erstellten Matrix.
//@Param: rows gibt die Anzahl der Zeilen der neuen Matrix an, cols gibt die Anzahl der Spalten an
Matrix createMatrix(unsigned int rows, unsigned int cols)
{
if(rows && cols){
@ -32,7 +33,8 @@ Matrix createMatrix(unsigned int rows, unsigned int cols)
return matrix;
}
//Loescht die uebergebene Matrix vollstaendig aus dem Speicher.
//@Param: *matrix Gibt den Zeiger auf die zu loeschende Matrix wieder. Dadurch wird nicht nur eine Kopie geloescht, sondern tatsaechlich die Matrix.
void clearMatrix(Matrix *matrix)
{
free(matrix->buffer);
@ -41,11 +43,19 @@ void clearMatrix(Matrix *matrix)
matrix->cols = 0;
}
//Setzt den Wert einer Matrix an einer bestimmten Stelle im Array.
//@Param: value gibt den einzufuegenden Wert an, matrix die Matrix, deren Wert geandert oder gesetzt werden soll,
// rowIdx die Anzahl der Zeilen, die im Speicher uebersprungen werden soll, um in die gewunschte Zeile zu kommen,
// collIdx die Nummer der Spalte, die geandert werden soll
void setMatrixAt(MatrixType value, Matrix matrix, unsigned int rowIdx, unsigned int colIdx)
{
matrix.buffer[rowIdx * matrix.cols + colIdx] = value;
}
//Gibt den Wert einer Matrix an einer bestimmten Stelle im Array zurueck.
//@Param: value gibt den einzufuegenden Wert an, matrix die Matrix, deren Wert geandert oder gesetzt werden soll,
//rowIdx die Anzahl der Zeilen, die im Speicher uebersprungen werden soll, um in die gewunschte Zeile zu kommen,
// collIdx die Nummer der Spalte, die gelesen werden soll
MatrixType getMatrixAt(const Matrix matrix, unsigned int rowIdx, unsigned int colIdx)
{
if(rowIdx >= matrix.rows || colIdx >= matrix.cols){
@ -54,6 +64,11 @@ MatrixType getMatrixAt(const Matrix matrix, unsigned int rowIdx, unsigned int co
return matrix.buffer[rowIdx * matrix.cols + colIdx];
}
//Addiert zwei Matrizen miteinander oder broadcastet die eine Matrix mit einem Vektor.
//Ueberpueft, ob broadcasting moeglich ist. Wenn nicht, werden die Matrizen addiert. Prueft zusaetzlich, ob Matrizenaddition moeglich ist.
//Ist Broadcasting moeglich, wird die broadcasting-Methode aufgerufen.
//Gibt addierte Matrix zurueck, nachdem diese in der Funktion erstellt wurde.
//@param: matrix1 und matrix2 sind die Matrizen, deren Spalten und Zeilen ueberprueft werden und von denen moeglicherweise einer ein Vektor ist fuer das Broadcasting.
Matrix add(const Matrix matrix1, const Matrix matrix2)
{
int rows1 = rows(matrix1);
@ -91,6 +106,9 @@ Matrix add(const Matrix matrix1, const Matrix matrix2)
}
}
//Gibt die Matrix zurueck, die nach dem Broadcasting entstanden ist.
//Addiert einen Vektor zu einer Matrix, sodass jede Zelle der Matrix mit der Koordinate des Vektors addiert wird.
//@param: vektor ist die einspaltige Matrix, deren Koordinaten auf die Matrix addiert werden, matrix ist die Matrix, zu der der Vektor addiert wird.
Matrix broadcasting(const Matrix vektor, const Matrix matrix)
{
int rowsM = rows(matrix);
@ -109,6 +127,8 @@ Matrix broadcasting(const Matrix vektor, const Matrix matrix)
return result;
}
//Prueft, ob Multiplikation zweier Matrizen moeglich ist und gibt fuer den Fall, dass es moeglich ist, eine neue Matrix mit den Ergebnissen zurueck.
//@param: matrix1 und matrix2 geben die Matrizen an, die miteinander multipliziert werden sollen
Matrix multiply(const Matrix matrix1, const Matrix matrix2)
{
int rows1 = rows(matrix1);
@ -142,11 +162,15 @@ Matrix multiply(const Matrix matrix1, const Matrix matrix2)
return createMatrix(0,0);
}
//Gibt die Strukturvariable rows einer Matrix zurueck
//@param: matrix gibt an, von welcher Matrix die Strukturvariable uebergeben werden soll
int rows(const Matrix matrix)
{
return matrix.rows;
}
//Gibt die Strukturvariable cols einer Matrix zurueck
//@param: matrix gibt an, von welcher Matrix die Strukturvariable uebergeben werden soll
int cols(const Matrix matrix)
{
return matrix.cols;

View File

@ -170,7 +170,7 @@ NeuralNetwork loadModel(const char *path)
static Matrix imageBatchToMatrixOfImageVectors(const GrayScaleImage images[], unsigned int count)
{
Matrix matrix = {NULL, 0, 0};
Matrix matrix = {0,0, NULL};
if(count > 0 && images != NULL)
{

View File

@ -1,6 +1,8 @@
#ifndef NEURALNETWORK_H
#define NEURALNETWORK_H
#define FILE_HEADER_STRING "__info2_neural_network_file_format__"
#include "imageInput.h"
#include "matrix.h"

View File

@ -6,11 +6,44 @@
#include "neuralNetwork.h"
//Testdatei schreiben
static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
{
// TODO
// Datei öffnen
FILE *file = fopen(path, "wb");
if (file == NULL)
return;
// Header schreiben
const char *fileTag = "__info2_neural_network_file_format__";
fwrite(fileTag, 1, strlen(fileTag), file);
// input Dimension schreiben
int inputDim = nn.layers[0].weights.cols;
fwrite(&inputDim, sizeof(int), 1, file);
// für weiter Layer nur output Dimension schreiben
for (unsigned int i = 0; i < nn.numberOfLayers; i++)
{
int outputDim = nn.layers[i].weights.rows;
fwrite(&outputDim, sizeof(int), 1, file);
int weightCount = nn.layers[i].weights.rows * nn.layers[i].weights.cols;
fwrite(nn.layers[i].weights.buffer, sizeof(MatrixType), weightCount, file);
int biasesCount = nn.layers[i].biases.rows * nn.layers[i].biases.cols;
fwrite(nn.layers[i].biases.buffer, sizeof(MatrixType), biasesCount, file);
}
// Ende: loadModel liest 0 ein
int fileEnd = 0;
fwrite(&fileEnd, sizeof(int), 1, file);
// Datei schließen
fclose(file);
}
void test_loadModelReturnsCorrectNumberOfLayers(void)
{
const char *path = "some__nn_test_file.info2";