Add config.h

src/cnn/function.c

@@ -5,7 +5,6 @@
 #include "../include/colors.h"
 
 #include "include/function.h"
-#define BOUND_RELU 15
 
 float identity(float x) {
     return x;
@@ -28,7 +27,7 @@ float sigmoid_derivative(float x) {
 
 
 float relu(float x) {
-    return fmaxf(0, fminf(x, BOUND_RELU));
+    return fmaxf(0, fminf(x, RELU_CLIP_VALUE));
 }
 
 float relu_derivative(float x) {
@@ -40,7 +39,7 @@ float relu_derivative(float x) {
 
 float leaky_relu(float x) {
     if (x>0)
-        return fminf(x, BOUND_RELU);
+        return fminf(x, RELU_CLIP_VALUE);
     return x*LEAKER;
 }
 

src/cnn/include/config.h

@@ -0,0 +1,26 @@
+#ifndef DEF_CONFIG_H
+#define DEF_CONFIG_H
+
+//* Paramètres d'entraînement
+#define EPOCHS 10 // Nombre d'époques par défaut (itérations sur toutes les images)
+#define BATCHES 32 // Nombre d'images à voir avant de mettre le réseau à jour
+#define LEARNING_RATE 3e-4 // Taux d'apprentissage
+#define USE_MULTITHREADING // Commenter pour utiliser un seul coeur durant l'apprentissage (meilleur pour des tailles de batchs traités rapidement)
+
+
+//* Paramètre d'optimisation pour un dataset Jpeg
+// keep images in ram e.g re-read and decompress each time
+// Enabling this will lead to a large amount of ram used while economizing not that
+// much computing power
+// Note: 50States10K dataset is 90Go once decompressed, use with caution
+//#define STORE_IMAGES_TO_RAM
+
+
+//* Limite du réseau
+// Des valeurs trop grandes dans le réseau risqueraient de provoquer des overflows notamment.
+// On utilise donc la méthode gradient_clipping,
+// qui consiste à majorer tous les biais et poids par un hyper-paramètre choisi précédemment.
+// https://arxiv.org/pdf/1905.11881.pdf
+#define NETWORK_CLIP_VALUE 300
+
+#endif

src/cnn/include/function.h

@@ -12,6 +12,9 @@
 
 #define LEAKER 0.2
 
+// RELU and Leaky RELU max value
+#define RELU_CLIP_VALUE 15
+
 
 typedef float (*ptr)(float);
 typedef ptr (*pm)();

src/cnn/include/jpeg.h

@@ -1,9 +1,7 @@
 #ifndef JPEG_DEF_H
 #define JPEG_DEF_H
 
-// keep images in ram vs re-read and decompress each time
+#include "config.h"
-// #define STORE_IMAGES_TO_RAM
-// Note: in use dataset is 90Go once decompressed, use with caution
 
 /*
 * Struct used to describe a single JPEG image

src/cnn/include/train.h

@@ -4,10 +4,7 @@
 #ifndef DEF_TRAIN_H
 #define DEF_TRAIN_H
 
-#define EPOCHS 10
+#include "config.h"
-#define BATCHES 32
-#define USE_MULTITHREADING
-#define LEARNING_RATE 3e-4
 
 
 /*

src/cnn/include/update.h

@@ -3,13 +3,7 @@
 #ifndef DEF_UPDATE_H
 #define DEF_UPDATE_H
 
-/*
+#include "config.h"
-* Des valeurs trop grandes dans le réseau risqueraient de provoquer des overflows notamment.
-* On utilise donc la méthode gradient_clipping,
-* qui consiste à majorer tous les biais et poids par un hyper-paramètre choisi précédemment.
-* https://arxiv.org/pdf/1905.11881.pdf
-*/
-#define CLIP_VALUE 300
 
 /*
 * Réduit la valeur de a si abs(a) > CLIP_VALUE

src/cnn/update.c

@@ -4,11 +4,11 @@
 #include "include/struct.h"
 
 float clip(float a) {
-    if (a > CLIP_VALUE) {
+    if (a > NETWORK_CLIP_VALUE) {
-        return CLIP_VALUE;
+        return NETWORK_CLIP_VALUE;
     }
-    if (a < -CLIP_VALUE) {
+    if (a < -NETWORK_CLIP_VALUE) {
-        return -CLIP_VALUE;
+        return -NETWORK_CLIP_VALUE;
     }
     return a;
 }