neuralNetworkTests

imageInput.c

@@ -16,18 +16,19 @@ static FILE* openFileCheckHeader(const char *path)
         return NULL;
     char headerbuffer[BUFFER_SIZE];
     size_t headerlength = strlen(FILE_HEADER_STRING);
-    if((fread(headerbuffer, sizeof(char), headerlength, fp)) < headerbuffer)
+    if((fread(headerbuffer, sizeof(char), headerlength, fp)) != headerlength)
     {
         fclose(fp);
         return NULL;
     }
     if(strncmp(FILE_HEADER_STRING, headerbuffer, headerlength) != 0)
     {
-        flcose(fp);
+        fclose(fp);
         return NULL;
     }
     return fp;
-}//Oeffnet die Datei. 2. liest aus Datei headerlaenge laenge aus speichert in array vergleicht mit gewolltem header.
+}
+//Oeffnet die Datei. 2. liest aus Datei headerlaenge laenge aus speichert in array vergleicht mit gewolltem header.
 ///Gibt bei Erfolg (header laenge richtig, richtiger header) den FILE* Zeiger zurück welcher nun gespeichert hat
 ///dass nun der header Teil gelesen wurde und somit die nächste Funktion ab dieser Stelle weiter liest. 
 ///NULL, wenn falscher header.
@@ -61,7 +62,7 @@ static GrayScaleImageSeries* allocateSeries(unsigned int count)
     
     // 2. Prüfen, ob Speicherreservierung nicht funktioniert hat
     if (series == NULL) {
-        return NULL;
+        return NULL;//Wir müssen nichts freen, da wir keinen Speicherplatz reservieren konnten! Gibt nix zu freen
     }
 
     // 3. Initialiseren der Struktur.
@@ -164,7 +165,7 @@ GrayScaleImageSeries *readImages(const char *path)
     unsigned int count = 0, width = 0, height = 0;
 
     // --- Schritt 1: Datei öffnen und Header prüfen ---
-    fp = openAndValidateHeader(path);
+    fp = openFileCheckHeader(path);
     if (fp == NULL) {
         fprintf(stderr, "Fehler: Datei konnte nicht geöffnet oder validiert werden.\n");
         return NULL; // Kein Aufräumen nötig, da nichts reserviert/geöffnet wurde
@@ -202,4 +203,21 @@ GrayScaleImageSeries *readImages(const char *path)
 // TODO Vervollständigen Sie die Funktion clearSeries, welche eine Bildserie vollständig aus dem Speicher freigibt
 void clearSeries(GrayScaleImageSeries *series)
 {
+    //von innen nach außen freen
+    if(series == NULL)
+    {
+        return;//beendet Funktion. Fall series == NULL würde das ausführen der folgenden zu einem segmentation fault führen.
+    }
+    if(series->images != NULL)
+    {
+        for(unsigned int i = 0; i < series->count; i++)
+        {
+            if(series->images[i].buffer != NULL)
+            free(series->images[i].buffer);
+        }
+        free(series->images);
+    }
+    if(series->labels != NULL)
+        free(series->labels);
+    free(series);
 }

matrix.c

@@ -4,32 +4,157 @@
 
 // TODO Matrix-Funktionen implementieren
 
+//Matrix dimensionieren
 Matrix createMatrix(unsigned int rows, unsigned int cols)
 {
-    
+    Matrix m; //Struktur anlegen, Varibale m von Typ Matrix
+
+    //Sonderfall aus Unit-Test, wenn rows == 0 oder cols == 0, darf kein Speicher allokiert werden
+    if(rows==0 || cols==0){
+        m.rows = 0;
+        m.cols = 0;
+        m.buffer = NULL;
+        return m;
+}
+
+    //Normalfall
+    m.rows = rows;    // strukurvariable.feldname --> Struktur-Zugriffsoperator
+    m.cols = cols;
+    m.buffer = malloc((rows * cols) * sizeof(MatrixType)); //Speicher reserviert für Elemente
+
+    return m;
 }
 
 void clearMatrix(Matrix *matrix)
 {
-    
+    // falls Speicher existiert (buffer NICHT NULL ist): freigeben
+    if(matrix->buffer != NULL)
+    {
+        free(matrix->buffer);// Speicher freigegeben aber zeigt irgendwo hin (dangling pointer)
+    }
+
+    //Matrix in definierten leeren Zustand setzen
+    matrix->buffer = NULL; // dangling pointer zurücksetzen
+    matrix->rows = 0;
+    matrix->cols = 0;
 }
 
+//Wert in Matrix schreiben und wo genau
 void setMatrixAt(MatrixType value, Matrix matrix, unsigned int rowIdx, unsigned int colIdx)
 {
-    
+    // Sicherheit: wenn buffer == NULL (kein gültiger Speicher) oder Index außerhalb der Matrix --> return
+    if(matrix.buffer == NULL || rowIdx >= matrix.rows || colIdx >= matrix.cols)
+    {
+        return;
+    }
+    //index = Zeile * Anzahl_Spalten + Spalte
+    unsigned int index = rowIdx * matrix.cols + colIdx;
+
+    // Schreibt value direkt an die berechnete Position im Matrixspeicher
+    matrix.buffer[index] = value;
 }
 
 MatrixType getMatrixAt(const Matrix matrix, unsigned int rowIdx, unsigned int colIdx)
 {
-    
+    if (matrix.buffer == NULL || rowIdx >= matrix.rows || colIdx >= matrix.cols)
+    {
+        return 0;
+    }
+
+    unsigned int index = rowIdx * matrix.cols + colIdx;
+
+    return matrix.buffer[index];
 }
 
 Matrix add(const Matrix matrix1, const Matrix matrix2)
 {
-    
+    Matrix result;
+
+    //Zeilen müssen gleich sein
+    if (matrix1.rows != matrix2.rows)
+    {
+        result.rows = 0;
+        result.cols = 0;
+        result.buffer = NULL;
+        return result;
+    }
+
+
+    //Spalten müssen gleich sein (mit broadcasting)
+    //Fälle: gleiche Spalten ok, matrix1 hat 1 Spalte, matrix2 hat 1 Spalte
+    //sonst inkompatibel
+    if (matrix1.cols != matrix2.cols && matrix1.cols != 1 && matrix2.cols != 1)
+    {
+        result.rows = 0;
+        result.cols = 0;
+        result.buffer = NULL;
+        return result;
+    }
+
+    result.rows = matrix1.rows;
+    result.cols = (matrix1.cols > matrix2.cols) ? matrix1.cols : matrix2.cols;
+
+    result.buffer = malloc(result.rows * result.cols * sizeof(MatrixType));
+
+    for (unsigned int r = 0; r < result.rows; r++)
+    {
+        for (unsigned int c = 0; c < result.cols; c++)
+        {
+            // Bestimme Spalte für matrix1:
+            // Wenn nur 1 Spalte -> immer Spalte 0 benutzen
+            unsigned int c1 = (matrix1.cols == 1) ? 0 : c;
+
+            // Bestimme Spalte für matrix2:
+            unsigned int c2 = (matrix2.cols == 1) ? 0 : c;
+
+            MatrixType v1 = getMatrixAt(matrix1, r, c1);
+            MatrixType v2 = getMatrixAt(matrix2, r, c2);
+
+            setMatrixAt(v1 + v2, result, r, c);
+        }
+    }
+
+    return result;
 }
 
+
 Matrix multiply(const Matrix matrix1, const Matrix matrix2)
 {
-    
-}
+    Matrix result;
+
+    if(matrix1.cols != matrix2.rows)
+    {
+    result.rows = 0;
+    result.cols = 0;
+    result.buffer = NULL;
+    return result;
+    }
+
+
+    result.rows = matrix1.rows;
+    result.cols = matrix2.cols;
+
+    result.buffer = malloc(result.rows * result.cols * sizeof(MatrixType));
+
+    for (unsigned int r = 0; r < result.rows; r++)
+    {
+        for (unsigned int c = 0; c < result.cols; c++)
+        {
+            MatrixType sum = 0;
+
+            // gemeinsame Dimension = matrix1.cols = matrix2.rows
+            for (unsigned int i = 0; i < matrix1.cols; i++)
+            {
+                MatrixType a = getMatrixAt(matrix1, r, i);
+                MatrixType b = getMatrixAt(matrix2, i, c);
+
+                sum += a * b;
+            }
+
+            setMatrixAt(sum, result, r, c);
+        }
+    }
+
+    return result;
+}
+

matrix.h

@@ -6,6 +6,11 @@
 typedef float MatrixType;
 
 // TODO Matrixtyp definieren
+typedef struct {
+    unsigned int rows;
+    unsigned int cols;
+    MatrixType* buffer; //buffer Pointer zeigt auf Heap, mit malloc dort dann Speicher reservieren
+} Matrix;
 
 
 Matrix createMatrix(unsigned int rows, unsigned int cols);
@@ -16,4 +21,4 @@ Matrix add(const Matrix matrix1, const Matrix matrix2);
 Matrix multiply(const Matrix matrix1, const Matrix matrix2);
 
 
-#endif
+#endif

neuralNetwork.c

@@ -170,7 +170,7 @@ NeuralNetwork loadModel(const char *path)
 
 static Matrix imageBatchToMatrixOfImageVectors(const GrayScaleImage images[], unsigned int count)
 {
-    Matrix matrix = {NULL, 0, 0};
+    Matrix matrix = (Matrix){0, 0, NULL};
 
     if(count > 0 && images != NULL)
     {

neuralNetwork.h

@@ -23,4 +23,4 @@ NeuralNetwork loadModel(const char *path);
 unsigned char *predict(const NeuralNetwork model, const GrayScaleImage images[], unsigned int numberOfImages);
 void clearModel(NeuralNetwork *model);
 
-#endif
+#endif

neuralNetworkTests.c

@@ -6,11 +6,46 @@
 #include "neuralNetwork.h"
 
 
+
 static void prepareNeuralNetworkFile(const char *path, const NeuralNetwork nn)
 {
-    // TODO
+        //öffnet die Datei in Binär zum schreiben
+        FILE *file = fopen(path, "wb");
+        if (!file) return;
+        //Fester Headerstring
+        const char *tag = "__info2_neural_network_file_format__";
+        fwrite(tag, sizeof(char), strlen(tag), file);
+        //Bestimmt die Eingabedimension
+        int inputDim = nn.layers[0].weights.cols;
+        fwrite(&inputDim, sizeof(int), 1, file);
+
+
+        for (unsigned int i = 0; i < nn.numberOfLayers; i++) {
+
+            const Layer *L = &nn.layers[i];
+            const Matrix *W = &L->weights;
+            const Matrix *B = &L->biases;
+
+            int outputDim = W->rows;
+            fwrite(&outputDim, sizeof(int), 1, file);
+            //Anzahl der Weight-Werte
+            size_t weightCount = (size_t)(W->rows * W->cols);
+            fwrite(&weightCount, sizeof(size_t), 1, file);
+            //Anzahl der Bias-Werte
+            size_t biasCount = (size_t)(B->rows * B->cols);
+            fwrite(B->buffer, sizeof(MatrixType), biasCount, file);
+
+            inputDim = outputDim;
+        }
+
+        int zero = 0;
+        fwrite(&zero, sizeof(int), 1, file);
+
+        fclose(file);
+
 }
 
+
 void test_loadModelReturnsCorrectNumberOfLayers(void)
 {
     const char *path = "some__nn_test_file.info2";