Vollständige Version

.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

@@ -5,22 +5,27 @@
 #include "unity.h"
 #include "neuralNetwork.h"
 
+
 static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
 {
     FILE *file = fopen(path, "wb");
     if (!file)
+    {
      return;   
+    }
 
-    const char *tag = "__info2_neural_network_file_format__";
+    // Schreibe den Datei-Tag
+    const char *tag = "info2_neural_network_file_format";
     fwrite(tag, 1, strlen(tag), file);
 
-    // Überprüfung, ob es Layer gibt
+    // Überprüfe, ob es Layer gibt
     if (nn.numberOfLayers == 0) 
     {
         fclose(file);
         return;
     }
 
+    
     // Schreibe die Eingabe- und Ausgabegrößen des Netzwerks
     int input  = nn.layers[0].weights.cols;
     int output = nn.layers[0].weights.rows;
@@ -35,8 +40,10 @@ static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
         int out = layer->weights.rows;
         int in  = layer->weights.cols;
 
+
         fwrite(layer->weights.buffer, sizeof(MatrixType), out * in, file);
 
+
         fwrite(layer->biases.buffer, sizeof(MatrixType), out * 1, file);
 
         if (i + 1 < nn.numberOfLayers)
@@ -45,9 +52,8 @@ static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
             fwrite(&nextOut, sizeof(int), 1, file);
         }
     }
+
     fclose(file);
-
-   
 }
 
 void test_loadModelReturnsCorrectNumberOfLayers(void)
@@ -244,8 +250,8 @@ 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 +261,11 @@ 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
 }