NeuralNetzworkTests Fertig

.vscode/settings.json

@@ -0,0 +1,5 @@
+{
+    "files.associations": {
+        "unity.h": "c"
+    }
+}

imageInput.c

@@ -33,7 +33,6 @@ GrayScaleImageSeries *readImages(const char *path)
         return NULL;
     }
     //liest die Anzahl der Bilder aus
-    series->count = 0;
     fread(&series->count, sizeof(unsigned short),1, data);
     series->images = malloc(series->count * sizeof(GrayScaleImage));
     if (series->images == NULL){

imageInputTests.c

@@ -123,8 +123,7 @@ void setUp(void) {
     // Falls notwendig, kann hier Vorbereitungsarbeit gemacht werden
 }
 
-void tearDown(void) 
-{
+void tearDown(void) {
     // Hier kann Bereinigungsarbeit nach jedem Test durchgeführt werden
 }
 

neuralNetworkTests.c

@@ -5,18 +5,20 @@
 #include "unity.h"
 #include "neuralNetwork.h"
 
+
 static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
 {
+    // TODO : Fehlerbehandlung
+    // Öffne die Datei zum Schreiben im Binärmodus
   FILE *file = fopen(path, "wb");
-    if (!file)
-        return;
+    if (!file) return;
 
+    // Schreibe den Datei-Tag
     const char *tag = "__info2_neural_network_file_format__";
     fwrite(tag, 1, strlen(tag), file);
 
-    // Überprüfung, ob es Layer gibt
-    if (nn.numberOfLayers == 0)
-    {
+    // Schreibe die Anzahl der Layer
+    if (nn.numberOfLayers == 0) {
         fclose(file);
         return;
     }  
@@ -37,6 +39,7 @@ static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
 
         fwrite(layer->weights.buffer, sizeof(MatrixType), out * in, file);
 
+        
         fwrite(layer->biases.buffer, sizeof(MatrixType), out * 1, file);
 
         if (i + 1 < nn.numberOfLayers)
@@ -45,8 +48,16 @@ static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
             fwrite(&nextOut, sizeof(int), 1, file);
         }
     }
+
     fclose(file);
 
+    // Debuging-Ausgabe
+    printf("prepareNeuralNetworkFile: Datei '%s' erstellt mit %u Layer(n)\n", path, nn.numberOfLayers);
+    for (unsigned int i = 0; i < nn.numberOfLayers; i++) {
+        Layer layer = nn.layers[i];
+        printf("Layer %u: weights (%u x %u), biases (%u x %u)\n", 
+               i, layer.weights.rows, layer.weights.cols, layer.biases.rows, layer.biases.cols);
+    }
 
 }
 
@@ -244,8 +255,8 @@ void test_predictReturnsCorrectLabels(void)
     Matrix biases1 = {.buffer=biasBuffer1, .rows=2, .cols=1};
     Matrix biases2 = {.buffer=biasBuffer2, .rows=3, .cols=1};
     Matrix biases3 = {.buffer=biasBuffer3, .rows=5, .cols=1};
-    Layer layers[] = {{.weights = weights1, .biases = biases1, .activation = someActivation},
-                      {.weights = weights2, .biases = biases2, .activation = someActivation},
+    Layer layers[] = {{.weights=weights1, .biases=biases1, .activation=someActivation}, \
+                      {.weights=weights2, .biases=biases2, .activation=someActivation}, \
                       {.weights=weights3, .biases=biases3, .activation=someActivation}};
     NeuralNetwork netUnderTest = {.layers=layers, .numberOfLayers=3};
     unsigned char *predictedLabels = predict(netUnderTest, inputImages, 2);
@@ -255,13 +266,11 @@ void test_predictReturnsCorrectLabels(void)
     free(predictedLabels);
 }
 
-void setUp(void)
-{
+void setUp(void) {
     // Falls notwendig, kann hier Vorbereitungsarbeit gemacht werden
 }
 
-void tearDown(void)
-{
+void tearDown(void) {
     // Hier kann Bereinigungsarbeit nach jedem Test durchgeführt werden
 }