classificatore_immagini/classificatore_singolo.c

#include <time.h>
#include "percettroni.h"
#include "mnist/mnist_manager.h"

#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 1000

//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
byte get_out_corretto(byte);
void stampa_layer_indirizzo(Layer*);

void main() {
    time_t tempo_epoche[MAX_EPOCHE];

    srand(time(NULL));

    Dataset *set_appoggio = get_dataset("mnist/t10k-images.idx3-ubyte", "mnist/t10k-labels.idx1-ubyte");

    if(set_appoggio == NULL)
        return;
    Dataset set = *set_appoggio;
    free(set_appoggio);

    ReteNeurale rete_neurale;
    ReteNeurale *puntatore_rete = caricaReteNeurale("rete_cifar_pesi.bin");
    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);
    } else {
        rete_neurale = *puntatore_rete;
        free(puntatore_rete);
        printf("Caricate impostazioni rete neurale da file\n");
    }

    printf("Numero immagini: %d\n", set.size);

    //ADDESTRAMENTO
    for(int i = 0; i < MAX_EPOCHE; i++) {
        time(&tempo_epoche[i]);
        
        if(i == 0)
            printf("Epoca %d\n", i);
        else {
            time(&tempo_epoche[i]);
            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("Epoca %d\n", i);
            printf("Tempo dall'epoca precedente: %d:%d\n", minuti_epoca, secondi_epoca);
            printf("Tempo dall'inizio: %d:%d\n", minuti_totali, secondi_totali);
        }

        int corrette = 0;

        for(int indice_set = 0; indice_set < set.size -1; 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].immagine);
            
            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]);
            }

            //printf("\timmagine: %d post sigmoidi\n", indice_set);

            byte output_corretto = get_out_corretto(set.istanze[indice_set].categoria);

            
            //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]);

                correggi_layer_interni(&rete_neurale, gradienti, sigmoidi);
                correggi_layer_input(&rete_neurale.layers[0], gradienti, sigmoidi, set.istanze[indice_set].immagine, NUM_LAYERS);
            }
            else
            {
                corrette++;
            }

            //printf("\timmagine: %d post correzioni\n", indice_set);
        }
        
        printf("\tRisposte corrette: %d\n", corrette);
    }

    salvaReteNeurale("rete_cifar_pesi.bin", &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;
}

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");
    }
}