From df5045ad48d49c52f472efd02a3f77a2adf0e7c9 Mon Sep 17 00:00:00 2001
From: Kilian Muckelbauer <muckelbauerki98966@th-nuernberg.de>
Date: Mon, 1 Dec 2025 11:10:57 +0100
Subject: [PATCH] neuralnetwork.c und neuralnetworktests.c

---
 neuralNetwork.c      | 42 ++++++++++++++++++++++++++++++++----------
 neuralNetworkTests.c | 41 ++++++++++++++++++++++++++++++++++++++++-
 2 files changed, 72 insertions(+), 11 deletions(-)

diff --git a/neuralNetwork.c b/neuralNetwork.c
index bd8f164..dd1fac6 100644
--- a/neuralNetwork.c
+++ b/neuralNetwork.c
@@ -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);
         }
     }
 
diff --git a/neuralNetworkTests.c b/neuralNetworkTests.c
index 21ab370..04a278e 100644
--- a/neuralNetworkTests.c
+++ b/neuralNetworkTests.c
@@ -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)