IA/classificatore_immagini
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

aggiustamento codice e libreria

Browse Source
This commit is contained in:
mirimatcode
2025-02-20 15:23:21 +01:00
parent b1104d9fb4
commit 760940ef97
8 changed files with 142 additions and 65 deletions
Download Patch File Download Diff File Expand all files Collapse all files

74
classificatore_singolo.c
View File

@@ -1,28 +1,14 @@
#include <time.h>
#include "percettroni.h"
#include "mnist/mnist_manager.h"
//#include "mnist/mnist_manager.h"
//#include "cifar_10/cifar10_manager.h"
#include "xor_manager.h"
//Scelgo quale categoria voglio identificare. nel caso dello xor -1
#define CATEGORIA -1
#define NUM_LAYERS 5
#define PERCETTRONI_LAYER_0 128
#define INPUT_LAYER_0 N_PIXEL
#define PERCETTRONI_LAYER_1 64
#define INPUT_LAYER_1 PERCETTRONI_LAYER_0
#define PERCETTRONI_LAYER_2 32
#define INPUT_LAYER_2 PERCETTRONI_LAYER_1
#define PERCETTRONI_LAYER_3 16
#define INPUT_LAYER_3 PERCETTRONI_LAYER_2
#define PERCETTRONI_LAYER_4 1
#define INPUT_LAYER_4 PERCETTRONI_LAYER_3
#define MAX_EPOCHE 10
//Scelgo quale categoria voglio identificare. La 7 sono i cavalli. La rete mi dirà per ogni immagine se è un cavallo o no
#define CATEGORIA 7
#define PERCETTRONI_LAYER_0 256
#define MAX_EPOCHE 10000
byte get_out_corretto(byte);
void stampa_layer_indirizzo(Layer*);
@@ -33,7 +19,7 @@ void main() {
srand(time(NULL));
Dataset *set_appoggio = get_dataset(file_immagini, file_label);
Dataset *set_appoggio = crea_dataset_xor();//get_dataset(file_immagini, file_label);
if(set_appoggio == NULL)
return;
@@ -43,24 +29,14 @@ void main() {
ReteNeurale rete_neurale;
ReteNeurale *puntatore_rete = caricaReteNeurale(file_pesi);
if(puntatore_rete == NULL) {
rete_neurale = inizializza_rete_neurale(NUM_LAYERS);
//inizializzo layer 0
rete_neurale.layers[0] = inizializza_layer(PERCETTRONI_LAYER_0, INPUT_LAYER_0);
//inizializzo layer 1
rete_neurale.layers[1] = inizializza_layer(PERCETTRONI_LAYER_1, INPUT_LAYER_1);
//inizializzo layer 2
rete_neurale.layers[2] = inizializza_layer(PERCETTRONI_LAYER_2, INPUT_LAYER_2);
//inizializzo layer 3
rete_neurale.layers[3] = inizializza_layer(PERCETTRONI_LAYER_3, INPUT_LAYER_3);
//inizializzo layer ULTIMO
rete_neurale.layers[4] = inizializza_layer(PERCETTRONI_LAYER_4, INPUT_LAYER_4);
rete_neurale = init_rete_neurale(NUM_LAYERS, PERCETTRONI_LAYER_0, N_INPUTS);
} else {
rete_neurale = *puntatore_rete;
free(puntatore_rete);
printf("Caricate impostazioni rete neurale da file\n");
}
printf("Numero immagini: %d\n", set.size);
printf("Numero elementi nel dataset: %d\n", set.size);
//ADDESTRAMENTO
for(int i = 0; i < MAX_EPOCHE; i++) {
@@ -74,27 +50,32 @@ void main() {
double **sigmoidi = (double **)malloc(sizeof(double*) * NUM_LAYERS);
sigmoidi[0] = (double*)malloc(sizeof(double) * PERCETTRONI_LAYER_0);
sigmoidi[0] = funzioni_attivazione_layer_byte(rete_neurale.layers[0], set.istanze[indice_set].immagine);
sigmoidi[0] = funzioni_attivazione_layer_byte(rete_neurale.layers[0], set.istanze[indice_set].dati);
for(int j = 1; j < NUM_LAYERS; j++) {
sigmoidi[j] = (double*)malloc(sizeof(double) * rete_neurale.layers[j].size);
sigmoidi[j] = funzioni_attivazione_layer_double(rete_neurale.layers[j], sigmoidi[j-1]);
}
byte output_corretto = get_out_corretto(set.istanze[indice_set].categoria);
byte output_corretto = get_out_corretto(set.istanze[indice_set].classificazione);
printf("Inputs: %d %d\t", set.istanze[indice_set].dati[0], set.istanze[indice_set].dati[1]);
printf("Previsione: %d, out corretto: %d\n", previsione(sigmoidi[NUM_LAYERS-1][0]), output_corretto);
//Se prevede male
if(previsione(sigmoidi[NUM_LAYERS-1][0]) != output_corretto) {
double **gradienti = (double**)malloc(sizeof(double*) * NUM_LAYERS);
for(int indice_layer = 0; indice_layer < NUM_LAYERS; indice_layer++) {
gradienti[indice_layer] = (double*)malloc(sizeof(double) * rete_neurale.layers[indice_layer].size);
}
gradienti[NUM_LAYERS-1][0] = (output_corretto - sigmoidi[NUM_LAYERS-1][0]);
//Errore
gradienti[NUM_LAYERS-1][0] = (output_corretto - sigmoidi[NUM_LAYERS-1][0]);
correggi_layer_interni(&rete_neurale, gradienti, sigmoidi);
correggi_layer_input(&rete_neurale.layers[0], gradienti, sigmoidi, set.istanze[indice_set].immagine, NUM_LAYERS);
correggi_layer_input(&rete_neurale.layers[0], gradienti, sigmoidi, set.istanze[indice_set].dati, NUM_LAYERS);
}
else
{
@@ -103,17 +84,24 @@ void main() {
}
printf("\tRisposte corrette: %d\n", corrette);
if(corrette == set.size) {
break;
}
}
salvaReteNeurale(file_pesi, &rete_neurale);
//salvaReteNeurale(file_pesi, &rete_neurale);
}
//Questa funzione ritorna 1 se la categoria è quella che voglio individuare, altrimenti 0
byte get_out_corretto(byte categoria) {
if(categoria == CATEGORIA)
return 1;
else
return 0;
if(CATEGORIA != -1) {
if(categoria == CATEGORIA)
return 1;
else
return 0;
}
else return categoria;
}
void stampa_layer_indirizzo(Layer *layer) {