src/cnn/function.c

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

src/cnn/include/config.h

@@ -1,26 +0,0 @@
-#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

@@ -12,9 +12,6 @@
 
 #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

@@ -1,7 +1,9 @@
 #ifndef JPEG_DEF_H
 #define JPEG_DEF_H
 
-#include "config.h"
+// keep images in ram vs re-read and decompress each time
+// #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

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

src/cnn/include/update.h

@@ -3,7 +3,13 @@
 #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 > NETWORK_CLIP_VALUE) {
+    if (a > CLIP_VALUE) {
-        return NETWORK_CLIP_VALUE;
+        return CLIP_VALUE;
     }
-    if (a < -NETWORK_CLIP_VALUE) {
+    if (a < -CLIP_VALUE) {
-        return -NETWORK_CLIP_VALUE;
+        return -CLIP_VALUE;
     }
     return a;
 }