tipe/doc/cnn.md

Réseau de neurones convolutionnel lien

Lecture/ Écriture du réseau de neurone:

Le fichier est au format IDX (format binaire) Les informations sont stockées de la manière suivante:

Header

type	nom de la variable	commentaire
uint32_t	magic_number	Variable servant à vérifier que le fichier n'est pas corrompu, vaut ...
uint32_t	size	Nombre de couches du réseau
uint32_t	initialisation	Fonction d'initialisation du réseau
uint32_t	dropout	Probabilité d'abandon
uint32_t	input_width[0]
uint32_t	input_depth[0]
uint32_t	...
uint32_t	...
uint32_t	input_width[n]
uint32_t	input_depth[n]
uint32_t	type_couche[0]
uint32_t	...
uint32_t	type_couche[n]

type_couche:
| 0 -> cnn
| 1 -> nn
| 2 -> pooling

Pré-corps:

On stocke pour chaque couche des informations supplémentaires en fonction de son type:

Si la couche est un cnn:

type	nom de la variable	commentaire
uint32_t	activation
uint32_t	k_size
uint32_t	rows
uint32_t	columns

Si la couche est un nn:

type	nom de la variable	commentaire
uint32_t	activation
uint32_t	input_units
uint32_t	output_units

Si la couche est de type pooling:

type	nom de la variable	commentaire
uint32_t	pooling

Corps

On constitue ensuite le corps du fichier à partir des données contenues dans chauqe couche de la manière suivante:

• Si la couche est de type pooling, on ne rajoute rien.

• Si la couche est de type cnn, on ajoute les biais et poids de manière croissante sur leurs indices:

type	nom de la variable	commentaire
uint32_t	bias[0][0][0]	biais
uint32_t	...
uint32_t	bias[cnn->columns-1][cnn->k_size-1][cnn->k_size-1]
uint32_t	w[0][0][0][0]	poids
uint32_t	...
uint32_t	w[cnn->rows][cnn->columns-1][cnn->k_size-1][cnn->k_size-1]

• Si la couche est de type nn, on ajoute les poids de manière croissante sur leurs indices:

type	nom de la variable	commentaire
uint32_t	bias[0]	biais
uint32_t	...
uint32_t	bias[nn->output_units-1]	biais
uint32_t	weights[0][0]	poids
uint32_t	...
uint32_t	weights[nn->input_units-1][nn->output_units-1]