hackerle100457/info2Praktikum-NeuronalesNetz
1
0
Fork 0
forked from freudenreichan/info2Praktikum-NeuronalesNetz
Code Pull Requests Activity

neuralnetwork.c und neuralnetworktests.c

Browse Source
This commit is contained in:
Kilian Muckelbauer 2025-12-01 11:10:57 +01:00
parent 8bb420eb9d
commit df5045ad48
2 changed files with 72 additions and 11 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

42
neuralNetwork.c
View File

@ -170,7 +170,8 @@ NeuralNetwork loadModel(const char *path)
static Matrix imageBatchToMatrixOfImageVectors(const GrayScaleImage images[], unsigned int count)
{
Matrix matrix = {NULL, 0, 0};
// Matrix matrix = {NULL, 0, 0};
Matrix matrix = {.rows = 0, .cols = 0, .buffer = NULL};
if(count > 0 && images != NULL)
{
@ -190,26 +191,47 @@ static Matrix imageBatchToMatrixOfImageVectors(const GrayScaleImage images[], un
return matrix;
}
//
static void addBiasInPlace(Matrix *matrix, const Matrix *biases)
{
// biases: rows x 1, matrix: rows x cols
if(matrix == NULL || biases == NULL)
return;
if(matrix->buffer == NULL || biases->buffer == NULL)
return;
if(matrix->rows != biases->rows || biases->cols != 1)
return;
for(unsigned int rowIdx = 0; rowIdx < matrix->rows; rowIdx++)
{
MatrixType b = getMatrixAt(*biases, rowIdx, 0);
for(unsigned int colIdx = 0; colIdx < matrix->cols; colIdx++)
{
MatrixType v = getMatrixAt(*matrix, rowIdx, colIdx);
setMatrixAt(v + b, *matrix, rowIdx, colIdx);
}
}
}
//
static Matrix forward(const NeuralNetwork model, Matrix inputBatch)
{
Matrix result = inputBatch;
if(result.buffer != NULL)
{
for(int i = 0; i < model.numberOfLayers; i++)
for(int i = 0; i < (int)model.numberOfLayers; i++)
{
Matrix biasResult;
Matrix weightResult;
weightResult = multiply(model.layers[i].weights, result);
// 1) weights * aktuelles Ergebnis
Matrix weightResult = multiply(model.layers[i].weights, result);
clearMatrix(&result);
biasResult = add(model.layers[i].biases, weightResult);
clearMatrix(&weightResult);
result = weightResult;
// 2) Bias auf alle Spalten addieren (Broadcast)
addBiasInPlace(&result, &model.layers[i].biases);
// 3) Aktivierungsfunktion anwenden
if(model.layers[i].activation != NULL)
model.layers[i].activation(&biasResult);
result = biasResult;
model.layers[i].activation(&result);
}
}

41
neuralNetworkTests.c
View File

@ -8,7 +8,46 @@
static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
{
// TODO
FILE *file = fopen(path, "wb"); //Datei öffnen im write binary modus
if (!file) //wenn fopen 0 zurück gibt
{
fprintf(stderr, "Fehler: Datei konnte nicht geöffnet werden.\n");
return;
}
// Header schreiben
const char *header = "__info2_neural_network_file_format__";
fwrite(header, sizeof(char), strlen(header), file); // Zeiger auf Daten, größe des ElementsChar (1 byte),
//länge des Stings ohen \0, Zieldatei
// Erste Dimension: Input-Dimension der ersten Schicht (Anzahl der Eingangsneuronen)Anzahl Spalten
unsigned int inputDim = nn.layers[0].weights.cols;
// Speichert die Input-Dimension in die Datei
fwrite(&inputDim, sizeof(unsigned int), 1, file);
// Für jede Schicht im Netzwerk
for (int i = 0; i < nn.numberOfLayers; i++)
{
Layer layer = nn.layers[i]; // Zugriff auf die aktuelle Schicht
// Output-Dimension: Anzahl der Neuronen in dieser Schicht (Anzahl Zeilen der Gewichtsmatrix)
unsigned int outputDim = layer.weights.rows;
// Speichert die Output-Dimension in die Datei
fwrite(&outputDim, sizeof(unsigned int), 1, file);
// Speichert die Gewichtsmatrix der Schicht in die Datei
// Anzahl der Elemente = rows * cols, Typ = MatrixType
fwrite(layer.weights.buffer, sizeof(MatrixType),
layer.weights.rows * layer.weights.cols, file);
// Speichert die Bias-Werte der Schicht in die Datei
// Anzahl der Elemente = rows * cols (meist rows x 1), Typ = MatrixType
fwrite(layer.biases.buffer, sizeof(MatrixType),
layer.biases.rows * layer.biases.cols, file);
}
// Schließt die Datei nach dem Schreiben
fclose(file);
}
void test_loadModelReturnsCorrectNumberOfLayers(void)