#include #include "percettroni.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_0 256 #define MAX_EPOCHE 10000 byte get_out_corretto(byte); void stampa_layer_indirizzo(Layer*); void stampa_tempo(time_t[], int); void main() { time_t tempo_epoche[MAX_EPOCHE]; srand(time(NULL)); Dataset *set_appoggio = crea_dataset_xor();//get_dataset(file_immagini, file_label); if(set_appoggio == NULL) return; Dataset set = *set_appoggio; free(set_appoggio); ReteNeurale rete_neurale; ReteNeurale *puntatore_rete = caricaReteNeurale(file_pesi); if(puntatore_rete == NULL) { 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 elementi nel dataset: %d\n", set.size); //ADDESTRAMENTO for(int i = 0; i < MAX_EPOCHE; i++) { printf("Epoca %d\n", i); stampa_tempo(tempo_epoche, i); int corrette = 0; for(int indice_set = 0; indice_set < set.size; indice_set++) { 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].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].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); } //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].dati, NUM_LAYERS); } else { corrette++; } } printf("\tRisposte corrette: %d\n", corrette); if(corrette == set.size) { break; } } //salvaReteNeurale(file_pesi, &rete_neurale); } //Questa funzione ritorna 1 se la categoria รจ quella che voglio individuare, altrimenti 0 byte get_out_corretto(byte categoria) { if(CATEGORIA != -1) { if(categoria == CATEGORIA) return 1; else return 0; } else return categoria; } void stampa_layer_indirizzo(Layer *layer) { for(int i = 0; i < layer->size; i++) { printf("Percettrone %d ->", i); for(int j = 0; j < layer->percettroni->size; j++) { printf("\t peso %d, valore: %f",j, layer->percettroni[i].pesi[j]); layer->percettroni[i].pesi[j] += 1; } printf("\n"); } } void stampa_tempo(time_t tempo_epoche[], int i) { time(&tempo_epoche[i]); if(i > 0) { double tempo_trascorso_epoca = difftime(tempo_epoche[i], tempo_epoche[i-1]); double tempo_trascorso_totale = difftime(tempo_epoche[i], tempo_epoche[0]); int minuti_epoca = (int)tempo_trascorso_epoca / 60; int secondi_epoca = (int)tempo_trascorso_epoca % 60; int minuti_totali = (int)tempo_trascorso_totale / 60; int secondi_totali = (int)tempo_trascorso_totale % 60; printf("Tempo dall'epoca precedente: %d:%d\n", minuti_epoca, secondi_epoca); printf("Tempo dall'inizio: %d:%d\n", minuti_totali, secondi_totali); } }