Add learning rate

src/cnn/creation.c

@@ -4,11 +4,12 @@
 #include "include/function.h"
 #include "initialisation.c"
 
-Network* create_network(int max_size, int dropout, int initialisation, int input_dim, int input_depth) {
+Network* create_network(int max_size, int learning_rate, int dropout, int initialisation, int input_dim, int input_depth) {
     if (dropout < 0 || dropout > 100) {
         printf("Erreur, la probabilité de dropout n'est pas respecté, elle doit être comprise entre 0 et 100\n");
     }
     Network* network = (Network*)malloc(sizeof(Network)); 
+    network->learning_rate = learning_rate;
     network->max_size = max_size; 
     network->dropout = dropout; 
     network->initialisation = initialisation; 
@@ -28,8 +29,8 @@ Network* create_network(int max_size, int dropout, int initialisation, int input
     return network;
 }
 
-Network* create_network_lenet5(int dropout, int activation, int initialisation, int input_dim, int input_depth) {
-    Network* network = create_network(8, dropout, initialisation, input_dim, input_depth); 
+Network* create_network_lenet5(int learning_rate, int dropout, int activation, int initialisation, int input_dim, int input_depth) {
+    Network* network = create_network(8, learning_rate, dropout, initialisation, input_dim, input_depth); 
     network->kernel[0]->activation = activation;  
     network->kernel[0]->linearisation = 0;
     add_convolution(network, 1, 32, 6, 28, activation);

src/cnn/include/creation.h

@@ -7,12 +7,12 @@
 /*
 * Créé un réseau qui peut contenir max_size couche (dont celle d'input et d'output)
 */
-Network* create_network(int max_size, int dropout, int initialisation, int input_dim, int input_depth);
+Network* create_network(int max_size, int learning_rate, int dropout, int initialisation, int input_dim, int input_depth);
 
 /*
 * Renvoie un réseau suivant l'architecture LeNet5
 */
-Network* create_network_lenet5(int dropout, int activation, int initialisation, int input_dim, int input_depth);
+Network* create_network_lenet5(int learning_rate, int dropout, int activation, int initialisation, int input_dim, int input_depth);
 
 /*
 * Créé et alloue de la mémoire à une couche de type input cube

src/cnn/include/struct.h

@@ -30,6 +30,7 @@ typedef struct Kernel {
 
 typedef struct Network{
     int dropout; // Contient la probabilité d'abandon d'un neurone dans [0, 100] (entiers)
+    int learning_rate;
     int initialisation; // Contient le type d'initialisation
     int max_size; // Taille du tableau contenant le réseau
     int size; // Taille actuelle du réseau (size ≤ max_size)

src/cnn/main.c

@@ -27,7 +27,7 @@ void help(char* call) {
 
 
 void dev_conv() {
-    Network* network = create_network_lenet5(0, TANH, GLOROT_NORMAL, 32, 1);
+    Network* network = create_network_lenet5(0, 0, TANH, GLOROT_NORMAL, 32, 1);
     forward_propagation(network);
 }
 

src/cnn/train.c

@@ -77,7 +77,7 @@ void train(int dataset_type, char* images_file, char* labels_file, char* data_di
     }
 
     // Initialisation du réseau
-    Network* network = create_network_lenet5(0, TANH, GLOROT_NORMAL, input_dim, input_depth);
+    Network* network = create_network_lenet5(0, 0, TANH, GLOROT_NORMAL, input_dim, input_depth);
 
     #ifdef USE_MULTITHREADING
     // Récupération du nombre de threads disponibles

test/cnn_neuron_io.c

@@ -12,7 +12,7 @@
 
 int main() {
     printf("Création du réseau\n");
-    Network* network = create_network_lenet5(0, 3, 2, 32, 1);
+    Network* network = create_network_lenet5(0, 0, 3, 2, 32, 1);
     printf("OK\n");
 
     printf("Écriture du réseau\n");