About to do something stupid...

Joseph Redmon

2014-01-28 b2b7137b6f185ce2f01664d782a09b08d50d5a07

 src/network.c

@@ -6,6 +6,7 @@

#include "connected_layer.h"
#include "convolutional_layer.h"
//#include "old_conv.h"
#include "maxpool_layer.h"
#include "softmax_layer.h"

@@ -63,7 +64,7 @@
        }
        else if(net.types[i] == CONNECTED){
            connected_layer layer = *(connected_layer *)net.layers[i];
            update_connected_layer(layer, step, momentum, decay);
            update_connected_layer(layer, step, momentum, 0);
        }
    }
}
@@ -113,14 +114,17 @@
    return get_network_delta_layer(net, net.n-1);
}

void calculate_error_network(network net, double *truth)
double calculate_error_network(network net, double *truth)
{
    double sum = 0;
    double *delta = get_network_delta(net);
    double *out = get_network_output(net);
    int i, k = get_network_output_size(net);
    for(i = 0; i < k; ++i){
        delta[i] = truth[i] - out[i];
        sum += delta[i]*delta[i];
    }
    return sum;
}

int get_predicted_class_network(network net)
@@ -130,9 +134,9 @@
    return max_index(out, k);
}

void backward_network(network net, double *input, double *truth)
double backward_network(network net, double *input, double *truth)
{
    calculate_error_network(net, truth);
    double error = calculate_error_network(net, truth);
    int i;
    double *prev_input;
    double *prev_delta;
@@ -146,8 +150,9 @@
        }
        if(net.types[i] == CONVOLUTIONAL){
            convolutional_layer layer = *(convolutional_layer *)net.layers[i];
            learn_convolutional_layer(layer, prev_input);
            if(i != 0) backward_convolutional_layer(layer, prev_input, prev_delta);
            learn_convolutional_layer(layer);
            //learn_convolutional_layer(layer);
            //if(i != 0) backward_convolutional_layer(layer, prev_input, prev_delta);
        }
        else if(net.types[i] == MAXPOOL){
            maxpool_layer layer = *(maxpool_layer *)net.layers[i];
@@ -163,31 +168,51 @@
            if(i != 0) backward_connected_layer(layer, prev_input, prev_delta);
        }
    }
    return error;
}

int train_network_datum(network net, double *x, double *y, double step, double momentum, double decay)
double train_network_datum(network net, double *x, double *y, double step, double momentum, double decay)
{
        forward_network(net, x);
        int class = get_predicted_class_network(net);
        backward_network(net, x, y);
        double error = backward_network(net, x, y);
        update_network(net, step, momentum, decay);
        return (y[class]?1:0);
        //return (y[class]?1:0);
        return error;
}

double train_network_sgd(network net, data d, double step, double momentum,double decay)
double train_network_sgd(network net, data d, int n, double step, double momentum,double decay)
{
    int i;
    double error = 0;
    for(i = 0; i < n; ++i){
        int index = rand()%d.X.rows;
        error += train_network_datum(net, d.X.vals[index], d.y.vals[index], step, momentum, decay);
        //if((i+1)%10 == 0){
        //    printf("%d: %f\n", (i+1), (double)correct/(i+1));
        //}
    }
    return error/n;
}
double train_network_batch(network net, data d, int n, double step, double momentum,double decay)
{
    int i;
    int correct = 0;
    for(i = 0; i < d.X.rows; ++i){
    for(i = 0; i < n; ++i){
        int index = rand()%d.X.rows;
        correct += train_network_datum(net, d.X.vals[index], d.y.vals[index], step, momentum, decay);
        if((i+1)%10 == 0){
            printf("%d: %f\n", (i+1), (double)correct/(i+1));
        }
        double *x = d.X.vals[index];
        double *y = d.y.vals[index];
        forward_network(net, x);
        int class = get_predicted_class_network(net);
        backward_network(net, x, y);
        correct += (y[class]?1:0);
    }
    return (double)correct/d.X.rows;
    update_network(net, step, momentum, decay);
    return (double)correct/n;

}


void train_network(network net, data d, double step, double momentum, double decay)
{
    int i;
@@ -264,11 +289,32 @@
        sprintf(buff, "Layer %d", i);
        if(net.types[i] == CONVOLUTIONAL){
            convolutional_layer layer = *(convolutional_layer *)net.layers[i];
            visualize_convolutional_filters(layer, buff);
            visualize_convolutional_layer(layer, buff);
        }
    } 
}

double *network_predict(network net, double *input)
{
    forward_network(net, input);
    double *out = get_network_output(net);
    return out;
}

matrix network_predict_data(network net, data test)
{
    int i,j;
    int k = get_network_output_size(net);
    matrix pred = make_matrix(test.X.rows, k);
    for(i = 0; i < test.X.rows; ++i){
        double *out = network_predict(net, test.X.vals[i]);
        for(j = 0; j < k; ++j){
            pred.vals[i][j] = out[j];
        }
    }
    return pred;   
}

void print_network(network net)
{
    int i,j;
@@ -306,17 +352,12 @@
        fprintf(stderr, "\n");
    }
}

double network_accuracy(network net, data d)
{
    int i;
    int correct = 0;
    int k = get_network_output_size(net);
    for(i = 0; i < d.X.rows; ++i){
        forward_network(net, d.X.vals[i]);
        double *out = get_network_output(net);
        int guess = max_index(out, k);
        if(d.y.vals[i][guess]) ++correct;
    }
    return (double)correct/d.X.rows;
    matrix guess = network_predict_data(net, d);
    double acc = matrix_accuracy(d.y, guess);
    free_matrix(guess);
    return acc;
}