Merge branch 'main' of https://git.efi.th-nuernberg.de/gitea/kohlerma104069/NeuronalesNetz_TMN

Startcode/imageInput.c

@@ -8,15 +8,93 @@
 
 // TODO Implementieren Sie geeignete Hilfsfunktionen für das Lesen der Bildserie aus einer Datei
 
+static GrayScaleImage *readIndividualImage(unsigned int width, unsigned int height, FILE *file){
+
+    char *buf = calloc(width * height, sizeof(char));
+    if(!buf){
+        fprintf(stderr, "calloc failed!\n");
+        return NULL;
+    }
+    if(fread(buf, sizeof(char), width * height,file) != (width* height)){
+        fprintf(stderr, "imageline not in the rigth format!\n");
+        free(buf);
+        return NULL;
+    }
+
+    GrayScaleImage *gimage = calloc(sizeof(GrayScaleImage, 1));
+    if(gimage == NULL){
+        fprintf(stderr, "calloc failed!\n");
+        free(buf);
+        return NULL;
+    }
+    
+    gimage->buffer = buf;
+    gimage->width = width;
+    gimage->height = height;
+
+    return gimage;
+}
+
 // TODO Vervollständigen Sie die Funktion readImages unter Benutzung Ihrer Hilfsfunktionen
 GrayScaleImageSeries *readImages(const char *path)
 {
     GrayScaleImageSeries *series = NULL;
     
+    series = calloc(1, sizeof(GrayScaleImageSeries));
+    if(series == NULL){
+        fprintf(stderr, "Couldn't allocate enough space!\n");
+        return NULL;
+    }
+
+    FILE *file = fopen(path, "rb");
+    if(file == NULL){
+        fprintf(stderr, "%s could not be opened!\n", path);
+        clearSeries(series);
+        return NULL;
+    }
+
+    //Schaue ob die erste Zeile der richtige Header ist.
+    char buffer[32];
+    size_t bytes = fread(buffer, sizeof(char), strlen(FILE_HEADER_STRING), file);
+    if(!strncmp(buffer, FILE_HEADER_STRING, strlen(FILE_HEADER_STRING))){
+        fprintf(stderr, "__info2_image_file_format__ not found!\n");
+        clearSeries(series);
+        return NULL;
+    }
+
+    if(bytes = fread(buffer, sizeof(short), 3, file) != (3*szieof(short))){
+        fprintf(stderr, "Couldn't read number of images/sizes of Images!\n");
+        clearSeries(series);
+        return NULL;
+    }
+
+    series->count = (short)buffer[0];
+    unsigned int width = (short)buffer[1];
+    unsigned int height = (short)buffer[2];
+
+    series->labels = calloc(count, sizeof(char));
+    if(series->labels == NULL){
+        fprintf(stderr, "calloc failed!\n");
+        clearSeries(series);
+        return NULL;
+    }
+
+    for (int i = 0; i < count; i++){
+        if(series->images[i] = readIndividualImage(width, heigth, file) == NULL){
+            clearSeries(series);
+            return NULL;
+        }
+        fread(series->labels[i], sizeof(char), 1, file);
+    }
+
     return series;
 }
 
 // TODO Vervollständigen Sie die Funktion clearSeries, welche eine Bildserie vollständig aus dem Speicher freigibt
 void clearSeries(GrayScaleImageSeries *series)
 {
+    for(int i = 0; i < series->count; i++){
+        free(series->GrayScaleImage[i]);
+    }
+    free(series);
 }

Startcode/neuralNetworkTests.c

@@ -4,13 +4,55 @@
 #include <math.h>
 #include "unity.h"
 #include "neuralNetwork.h"
-
-
-static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
+// TODO Nico
+static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)      //Exklusive Funktion ohne Rückgabewert mit Übergabewerten "path" für den Dateinamen und "nn" für das neuronale Netz dessen Daten abgespeichert werden soll
 {
-    // TODO
+    /*---Datei zum Schreiben im Binärmodus öffnen---*/
+    FILE *file = fopen(path, "wb");     //Öffnet die Datei "path" als write Binary
+    if(file == NULL)                    //Wenn Datei nicht geöffnet werden kann, bringe einen Fehler und breche das Programm ab
+    {
+        return;
     }
 
+    /*---Indifikationstag an den Anfang schreiben---*/
+    const char *fileTag = "info2_neural_network_file_format";       //Der Text der laut Angabe am Anfang der Datei stehen muss
+    fwrite(fileTag, sizeof(char), strlen(fileTag), file);           //Schreibbefehl mit Parametern (Vorgegebener Text soll geschrieben werden (Adresse), Größe eines Buchstaben, Länge des Textes, Zielort "file")
+
+    /*---Anzahl der Layer speichern---*/
+    fwrite(&nn.numberOfLayers, sizeof(int), 1, file);      //Schreibbefehl mit Parametern (Die Adresse von "nn.numberOfLayers" soll geschrieben werden, eine ganze Zahl als "int" wird abgespeichert, es wird genau eine solche Zahl geschrieben, Zielort "file")
+
+    /*---Schleife für jeden Layer um Gewichte und Bias zu speichern---*/
+    for(int i = 0; i < nn.numberOfLayers; i++)      //Schleife von 0 bis Anzahl der Layer
+    {
+        Layer layer = nn.layers[i];     //Benutzt aktuellen Layer mit Nummer "i" und benutzt Hilfsvariable "layer"
+
+        /*---Weights speichern---*/
+        fwrite(&layer.weights.rows, sizeof(int), 1, file);       //Schreibbefehl mit Parametern mit (Anzahl Zeilen Weights (Adresse), eine ganze Zahl als "int" abspeichern, es wird genau eine solche Zahl gespeichert, Zielort "file") --> Speichert ab, wie viele Zeilen Gewichts-Tabelle hat
+        fwrite(&layer.weights.cols, sizeof(int), 1, file);       //Schreibbefehl mit Parametern mit (Anzahl Spalten Weights (Adresse), eine ganze Zahl als "int" abspeichern, es wird genau eine solche Zahl gespeichert, Zielort "file") --> Speichert ab, wie viele Spalten Gewichts-Tabelle hat
+
+        int weightCount = layer.weights.rows * layer.weights.cols;      //Berechnet die Gesamtzahl der Zahlen in der Weight Tabelle
+
+        fwrite(layer.weights.buffer, sizeof(MatrixType), weightCount, file);        //Schreibbefehl mit Parametern mit (Weight Buffer (Adresse), eine ganze Zahl in "MatrixType" abspeichern, es wird der zuvor berechnete Wert gespeichert, Zielort "file") --> Speichert alle eigentlichen Zahlenwerte der Weights auf einmal in die Datei. Buffer ist bereits intern ein Zeiger, deswegen kein "&"
+
+
+        /*---Bias speichern---*/
+        fwrite(&layer.biases.rows, sizeof(int), 1, file);       //Schreibbefehl mit Parametern mit (Anzahl Zeilen Bias (Adresse), eine ganze Zahl als "int" abspeichern, es wird genau eine solche Zahl gespeichert, Zielort "file") --> Speichert ab, wie viele Zeilen Bias-Tabelle hat
+        fwrite(&layer.biases.cols, sizeof(int), 1, file);       //Schreibbefehl mit Parametern mit (Anzahl Spalten Bias (Adresse), eine ganze Zahl als "int" abspeichern, es wird genau eine solche Zahl gespeichert, Zielort "file") --> Speichert ab, wie viele Spalten Bias-Tabelle hat
+
+        int biasCount = layer.biases.rows * layer.biases.cols;      //Berechnet die Gesamtzahl der Zahlen in der Bias Tabelle
+
+        fwrite(layer.biases.buffer, sizeof(MatrixType), biasCount, file);       //Schreibbefehl mit Parametern mit (Bias Buffer (Adresse), eine ganze Zahl in "MatrixType" abspeichern, es wird der zuvor berechnete Wert gespeichert, Zielort "file") --> Speichert alle eigentlichen Zahlenwerte der Weights auf einmal in die Datei. Buffer ist bereits intern ein Zeiger, deswegen kein "&"
+    }
+
+    /*---Datei wieder schließen---*/
+    fclose(file);       //Schließe die Datei wieder, wenn alle Daten sauber geschrieben wurden
+}
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void test_loadModelReturnsCorrectNumberOfLayers(void)
 {
     const char *path = "some__nn_test_file.info2";
@@ -35,7 +77,9 @@ void test_loadModelReturnsCorrectNumberOfLayers(void)
     TEST_ASSERT_EQUAL_INT(expectedNet.numberOfLayers, netUnderTest.numberOfLayers);
     clearModel(&netUnderTest);
 }
-
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void test_loadModelReturnsCorrectWeightDimensions(void)
 {
     const char *path = "some__nn_test_file.info2";
@@ -59,6 +103,9 @@ void test_loadModelReturnsCorrectWeightDimensions(void)
     clearModel(&netUnderTest);
 }
 
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void test_loadModelReturnsCorrectBiasDimensions(void)
 {
     const char *path = "some__nn_test_file.info2";
@@ -81,7 +128,9 @@ void test_loadModelReturnsCorrectBiasDimensions(void)
     TEST_ASSERT_EQUAL_INT(expectedNet.layers[0].biases.cols, netUnderTest.layers[0].biases.cols);
     clearModel(&netUnderTest);
 }
-
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void test_loadModelReturnsCorrectWeights(void)
 {
     const char *path = "some__nn_test_file.info2";
@@ -106,7 +155,9 @@ void test_loadModelReturnsCorrectWeights(void)
     TEST_ASSERT_EQUAL_INT_ARRAY(expectedNet.layers[0].weights.buffer, netUnderTest.layers[0].weights.buffer, n);
     clearModel(&netUnderTest);
 }
-
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void test_loadModelReturnsCorrectBiases(void)
 {
     const char *path = "some__nn_test_file.info2";
@@ -131,7 +182,9 @@ void test_loadModelReturnsCorrectBiases(void)
     TEST_ASSERT_EQUAL_INT_ARRAY(expectedNet.layers[0].biases.buffer, netUnderTest.layers[0].biases.buffer, n);
     clearModel(&netUnderTest);
 }
-
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void test_loadModelFailsOnWrongFileTag(void)
 {
     const char *path = "some_nn_test_file.info2";
@@ -154,7 +207,9 @@ void test_loadModelFailsOnWrongFileTag(void)
     TEST_ASSERT_NULL(netUnderTest.layers);
     TEST_ASSERT_EQUAL_INT(0, netUnderTest.numberOfLayers);
 }
-
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void test_clearModelSetsMembersToNull(void)
 {
     const char *path = "some__nn_test_file.info2";
@@ -186,7 +241,9 @@ static void someActivation(Matrix *matrix)
         matrix->buffer[i] = fabs(matrix->buffer[i]);
     }
 }
-
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void test_predictReturnsCorrectLabels(void)
 {
     const unsigned char expectedLabels[] = {4, 2};
@@ -215,15 +272,19 @@ void test_predictReturnsCorrectLabels(void)
     TEST_ASSERT_EQUAL_UINT8_ARRAY(expectedLabels, predictedLabels, n);
     free(predictedLabels);
 }
-
+/*
+ ---------------------------------------------------------------------------------------------------------
+*/
 void setUp(void) {
     // Falls notwendig, kann hier Vorbereitungsarbeit gemacht werden
 }
 
+
 void tearDown(void) {
     // Hier kann Bereinigungsarbeit nach jedem Test durchgeführt werden
 }
 
+/*----------------------------------------------------------------------------------------------------------- */
 int main()
 {
     UNITY_BEGIN();