versione alfa. Addestramento da 100 epoche effettuato

classificatore.c

@@ -1,6 +1,6 @@
 #include "percettroni.h"
 
-#define EPOCHE 50
+#define EPOCHE 100
 
 void main() {
     //input, layers, perc iniz, perc fin
@@ -8,11 +8,13 @@ void main() {
     //stampa_pesi_rete(rete);
 
     //Dataset xor = *crea_dataset_xor();
-    Dataset mnist = *get_dataset();
+    Dataset mnist = *get_dataset(file_immagini, file_label);
 
     for(int epoca = 0; epoca < EPOCHE; epoca++) {
         //printf("\nEPOCA %d\n", epoca);
         if (addestra(&rete, mnist))
             break;
     }
+
+    salvaReteNeurale(file_pesi, &rete);
 }

mnist/mnist_manager.h

@@ -21,8 +21,8 @@ Byte 8 in poi: 60.000 byte, ognuno dei quali rappresenta l'etichetta di un'immag
 
 char *file_immagini = "mnist/t10k-images.idx3-ubyte";
 char *file_label = "mnist/t10k-labels.idx1-ubyte";
-// char *file_immagini = "mnist/train-images.idx3-ubyte";
-// char *file_label = "mnist/train-labels.idx1-ubyte";
+char *file_test = "mnist/train-images.idx3-ubyte";
+char *file_test_label = "mnist/train-labels.idx1-ubyte";
 
 #define N_INPUTS 784 // Immagine 28x28
 
@@ -43,24 +43,24 @@ typedef struct
     Istanza *istanze;
 } Dataset;
 
-Dataset *get_dataset();
+Dataset *get_dataset(char *, char *);
 
 // Questo metodo legge il file in questione e restituisce un puntatore a Dataset se il file esiste, altrimenti NULL
 // Ritorna un puntatore perchè in questo caso posso gestire il ritorno NULL.
-Dataset *get_dataset()
+Dataset *get_dataset(char *immagine, char *label)
 {
     Dataset *set = (Dataset *)malloc(sizeof(Dataset));
     FILE *file;
     FILE *categorie;
     Istanza *istanze = (Istanza *)malloc(sizeof(Istanza));
 
-    file = fopen(file_immagini, "rb");
+    file = fopen(immagine, "rb");
     if (file == NULL) {
         printf("Errore nella funzione fopen() nelle immagini\n");
         return NULL;
     }
 
-    categorie = fopen(file_label, "rb");
+    categorie = fopen(label, "rb");
     if (file == NULL) {
         printf("Errore nella funzione fopen() nelle categorie\n");
         return NULL;

percettroni.h

@@ -3,7 +3,7 @@
 #include <math.h>
 #include <time.h>
 
-char *file_pesi = "rete_pesi.bin";
+char *file_pesi = "rete_mnist.bin";
 
 #include "mnist/mnist_manager.h"
 
@@ -21,6 +21,7 @@ typedef unsigned char byte;
 
 double LRE = 0.1;
 double soglia_sigmoide = 0.5;
+#define TOLLERANZA 95
 
 typedef struct
 {
@@ -430,6 +431,8 @@ double **elabora_sigmoidi(ReteNeurale *rete, Istanza istanza)
         sigmoidi[0][indice_percettrone] = sigmoide(rete->layers[0].percettroni[indice_percettrone], inputs);
     }
 
+    free(inputs);
+
     for (int indice_layer = 1; indice_layer < rete->size; indice_layer++)
     {
         sigmoidi[indice_layer] = (double *)malloc(sizeof(double) * rete->layers[indice_layer].size);
@@ -511,13 +514,14 @@ char addestra(ReteNeurale *rete_neurale, Dataset set)
         byte output_corretto = set.istanze[indice_set].classificazione;
 
         double **sigmoidi = elabora_sigmoidi(rete_neurale, set.istanze[indice_set]);
-        double *sigmoidi_softmax = elabora_sigmoidi(rete_neurale, set.istanze[indice_set])[rete_neurale->size -1];
+        
+        double *sigmoidi_softmax = (double *)malloc(sizeof(double) * rete_neurale->layers[rete_neurale->size - 1].size);
+        memcpy(sigmoidi_softmax, sigmoidi[rete_neurale->size - 1], rete_neurale->layers[rete_neurale->size - 1].size * sizeof(double));
+        
         double **gradienti = elabora_gradienti(rete_neurale, output_corretto, sigmoidi);
 
         int previsto = previsione_softmax(sigmoidi_softmax, rete_neurale->layers[rete_neurale->size - 1].size);
 
-        //printf("Previsione: %d - out: %d\n", previsto, output_corretto);
-
         if (previsto == output_corretto) {
             corrette++;
         }
@@ -531,11 +535,14 @@ char addestra(ReteNeurale *rete_neurale, Dataset set)
         for(int i = 0; i < rete_neurale->size; i++)
             free(sigmoidi[i]);
         free(sigmoidi);
+        free(sigmoidi_softmax);
     }
 
-    printf("Risposte corrette: %d%\n", (corrette * 100) / set.size);
+    int percentuale = (int)((corrette * 100) / set.size);
 
-    if(corrette == set.size)
+    printf("Risposte corrette: %d%%\n", percentuale);
+
+    if(percentuale >= TOLLERANZA)
         return 1;
     else
         return 0;

visualizzatore.c

@@ -4,16 +4,16 @@
 //#include "mnist/mnist_manager.h"
 
 //CIFAR_10
-#define IMAGE_WIDTH 32
-#define IMAGE_HEIGHT 32
+/* #define IMAGE_WIDTH 32
+#define IMAGE_HEIGHT 32 */
 //MNIST
-/* #define IMAGE_WIDTH 28
-#define IMAGE_HEIGHT 28*/
+#define IMAGE_WIDTH 28
+#define IMAGE_HEIGHT 28
 
 #define SCALE_FACTOR 2
 
 //Cavalli
-#define CATEGORIA 7
+//#define CATEGORIA 7
 
 BITMAP *buffer;
 BITMAP *image;
@@ -34,7 +34,8 @@ void main()
     init_allegro();
 
     //get_dataset("cifar-10-batches/test_batch.bin");
-    set = get_dataset(file_immagini);//get_dataset(file_immagini, file_label);
+
+    set = get_dataset(file_test, file_test_label);
     if (set == NULL) {
         printf("Errore nel caricare il dataset\n");
         return;
@@ -75,7 +76,7 @@ void init_allegro() {
 }
 
 //cifar_10
-void carica_immagine(int indice_set)
+/* void carica_immagine(int indice_set)
 {
     printf("Immagine indice: %d, categoria: %d, previsione: %d\n", indice_set, set->istanze[indice_set].classificazione, prevedi(indice_set));
 
@@ -89,10 +90,10 @@ void carica_immagine(int indice_set)
             putpixel(image, x, y, makecol(r, g, b));
         }
     }
-}
+} */
 
 //MNIST
-/* void carica_immagine(int indice_set)
+void carica_immagine(int indice_set)
 {
     // Stampa informazioni sull'immagine
     printf("Immagine indice: %d, valore: %d. è un 7? %d\n", indice_set, set->istanze[indice_set].classificazione, prevedi(indice_set));
@@ -112,7 +113,7 @@ void carica_immagine(int indice_set)
             putpixel(image, x, y, color);
         }
     }
-} */
+}
 
 void disegna_interfaccia()
 {