mirror of
https://github.com/KolibriOS/kolibrios.git
synced 2024-11-26 19:00:18 +03:00
Neural network perceptron library
git-svn-id: svn://kolibrios.org@9733 a494cfbc-eb01-0410-851d-a64ba20cac60
This commit is contained in:
IgorA
parent
218fd7c7b0
commit
b39cd9e8ce
45
programs/bcc32/include/l_nnp.h
Normal file
45
programs/bcc32/include/l_nnp.h
Normal file
@ -0,0 +1,45 @@
|
||||
#ifndef __L_NNP_H_INCLUDED_
|
||||
#define __L_NNP_H_INCLUDED_
|
||||
//
|
||||
// nnp.obj - neural network perceptron (библиотека с нейросетью)
|
||||
//
|
||||
|
||||
const unsigned long NNP_FF_BIN = 0x6e6962; //формат файла 'bin'
|
||||
const unsigned long NNP_FF_JSON = 0x6e6f736a; //формат файла 'json'
|
||||
|
||||
struct Layer {
|
||||
unsigned long c_size; // число нейронов в текущем слое
|
||||
unsigned long n_size; // число нейронов на следующем слое
|
||||
double* neurons;
|
||||
double* biases;
|
||||
double** weights;
|
||||
};
|
||||
|
||||
struct NeuralNetwork {
|
||||
double learningRate; // скорость обучения
|
||||
Layer* layers; // слои
|
||||
long layers_length; // число слоев
|
||||
double(_stdcall*activation)(double v); // указатель на функцию активации
|
||||
double(_stdcall*derivative)(double v); // указатель на функцию ???
|
||||
double* errors; // массив для вычислений
|
||||
double* errorsNext;
|
||||
double* gradients;
|
||||
double** deltas;
|
||||
};
|
||||
|
||||
//
|
||||
// nnp - import table
|
||||
//
|
||||
void (__stdcall* import_nnp)() = (void (__stdcall*)())&"lib_init";
|
||||
void (_stdcall* NNP_Create)(NeuralNetwork* o, double learningRate, void* activation, void* derivative, unsigned long* sizes, long sizes_length) = (void (_stdcall*)(NeuralNetwork*, double, void*, void*, unsigned long*, long))&"NNP_Create";
|
||||
double* (_stdcall* NNP_FeedForward)(NeuralNetwork* o, double* inputs) = (double* (_stdcall*)(NeuralNetwork*, double*))&"NNP_FeedForward";
|
||||
void (_stdcall* NNP_BackPropagation)(NeuralNetwork* o, double* targets) = (void (_stdcall*)(NeuralNetwork*, double*))&"NNP_BackPropagation";
|
||||
void (_stdcall* NNP_GetMemData)(NeuralNetwork* o, unsigned long fmt, void* m_data) = (void (_stdcall*)(NeuralNetwork*, unsigned long, void*))&"NNP_GetMemData";
|
||||
long (_stdcall* NNP_SetMemData)(NeuralNetwork* o, unsigned long fmt, void* m_data) = (long (_stdcall*)(NeuralNetwork*, unsigned long, void*))&"NNP_SetMemData";
|
||||
void (_stdcall* NNP_Destroy)(NeuralNetwork* o) = (void (_stdcall*)(NeuralNetwork*))&"NNP_Destroy";
|
||||
|
||||
asm{
|
||||
dd 0,0
|
||||
}
|
||||
|
||||
#endif
|
||||
168
programs/develop/libraries/nnp/about.htm
Normal file
168
programs/develop/libraries/nnp/about.htm
Normal file
@ -0,0 +1,168 @@
|
||||
<html>
|
||||
<head>
|
||||
<title>библиотека для работы с нейросетью (neural network perceptron)</title>
|
||||
<meta charset="WINDOWS-1251">
|
||||
<style>
|
||||
body
|
||||
{
|
||||
font-size: 15px;
|
||||
font-family: "Bookman Old Style";
|
||||
color: black;
|
||||
text-align: justify;
|
||||
}
|
||||
h1 { color: green; font-size: 23px; }
|
||||
h2 { color: green; font-size: 21px; }
|
||||
h3 { color: green; font-size: 19px; }
|
||||
h4 { color: #803f00; font-size: 17px; }
|
||||
i { color: #0099cc; }
|
||||
b { color: #0099cc; }
|
||||
p {
|
||||
text-indent: 1em;
|
||||
margin-top: 3px;
|
||||
margin-bottom: 2px;
|
||||
margin-left: 0px;
|
||||
margin-right: 0px;
|
||||
}
|
||||
ol, ul, dl{
|
||||
margin-top: 3px;
|
||||
margin-bottom: 2px;
|
||||
}
|
||||
pre
|
||||
{
|
||||
padding: 2px;
|
||||
padding-left: 20px;
|
||||
margin-top: 5px;
|
||||
margin-bottom: 5px;
|
||||
margin-left: 0px;
|
||||
margin-right: 0px;
|
||||
font-family: "Courier New";
|
||||
font-size: 15px;
|
||||
color: #004000;
|
||||
background-color: #ffd0ff;
|
||||
}
|
||||
table { font-size: 15px; }
|
||||
</style>
|
||||
</head>
|
||||
|
||||
<body>
|
||||
|
||||
<h1>Оглавление</h1>
|
||||
<ul>
|
||||
<li>Вступление</li>
|
||||
<li><a href="#fun">Функции</a><br>
|
||||
<ul>
|
||||
<li><a href="#f_init">lib_init</a></li>
|
||||
<li><a href="#f_create">NNP_Create</a></li>
|
||||
<li><a href="#f_feedf">NNP_FeedForward</a></li>
|
||||
<li><a href="#f_backp">NNP_BackPropagation</a></li>
|
||||
<li><a href="#f_getmd">NNP_GetMemData</a></li>
|
||||
<li><a href="#f_setmd">NNP_SetMemData</a></li>
|
||||
<li><a href="#f_destroy">NNP_Destroy</a></li>
|
||||
</ul>
|
||||
</li>
|
||||
<li><a href="#const">Константы</a></li>
|
||||
<li><a href="#tabl_e">Таблица экспорта</a></li>
|
||||
<li><a href="#hist">История</a></li>
|
||||
</ul>
|
||||
|
||||
<h1>Вступление</h1>
|
||||
<p>Документация к библиотеке <b>nnp.obj</b>, для <b>ОС Колибри</b>. Эта библиотека создана для работы с нейросетями (neural network perceptron). Видео по нейросетям: <a href="https://www.youtube.com/watch?v=GNcGPw_Kb_0">1</a>,
|
||||
<a href="https://www.youtube.com/watch?v=wzIOl4hWP3U">2</a>. Исходный код (язык java), на основе которого делалсь библиотека: <a href="https://github.com/ArtemOnigiri/SimpleNN">3</a>.</p>
|
||||
|
||||
<p>Последнее обновление библиотеки 01.03.22.</p>
|
||||
|
||||
<h1><a name="fun">Функции</a></h1>
|
||||
|
||||
<p>Все функции (кроме lib_init) 1-м параметром принимают указатель на структуру NeuralNetwork.
|
||||
Описание структуры NeuralNetwork:</p>
|
||||
<pre>struct NeuralNetwork
|
||||
learningRate dq ? ;+ 0 скорость обучения
|
||||
layers dd ? ;+ 8 [] слои
|
||||
layers_length dd ? ;+12 число слоев
|
||||
activation dd ? ;+16 указатель на функцию активации
|
||||
derivative dd ? ;+20 указатель на функцию
|
||||
errors dd ? ;+24 массив для вычислений
|
||||
errorsNext dd ? ;+28
|
||||
gradients dd ? ;+32
|
||||
deltas dd ? ;+36
|
||||
ends</pre>
|
||||
|
||||
<h4><a name="f_init">lib_init</a></h4>
|
||||
<p>Эта функция получает указатели на функции работы с памятью, вызыватся должна при загрузке библиотеки. Можете использовать макрос <b>@use_library</b>, для ее автоматической настройки.</p>
|
||||
|
||||
<h4><a name="f_create">NNP_Create</a></h4>
|
||||
<p>Создает слои нейросети и заполняет веса случайными значениями от -1 до 1. Пример:</p>
|
||||
<pre>NNLOPT_LEN equ 7
|
||||
nnlopt dd 2,8,8,8,8,8,3
|
||||
...
|
||||
stdcall [NNP_Create], nnp_0, 0.01, 0, 0, nnlopt, NNLOPT_LEN</pre>
|
||||
<p>где nnp_0 - структура буфера.</p>
|
||||
<p>0.01 - скорость обучения.</p>
|
||||
<p>0 - адрес функции активации, если 0 то берется стандартная функция внутри библиотеки.</p>
|
||||
<p>0 - адрес функции свёртки, если 0 то берется стандартная функция внутри библиотеки.</p>
|
||||
<p>nnlopt - массив с числом нейронов на каждом слое.</p>
|
||||
<p>NNLOPT_LEN - длинна массива nnlopt.</p>
|
||||
|
||||
<h4><a name="f_feedf">NNP_FeedForward</a></h4>
|
||||
<p>Функция расчета значений выходных нейронов. На вход подаються значения входных нейронов. На выходе возвращается указатель на слой выходных нейронов.</p>
|
||||
<pre>n_input dq ?,?,?
|
||||
...
|
||||
stdcall [NNP_FeedForward], nnp_0,n_input</pre>
|
||||
<p>где nnp_0 - структура буфера, n_input - указатель на данные входных нейронов.</p>
|
||||
|
||||
<h4><a name="f_backp">NNP_BackPropagation</a></h4>
|
||||
<p>Функция для обучения сети. Пример:</p>
|
||||
<pre>n_targ dq ?,?,?
|
||||
...
|
||||
stdcall [NNP_BackPropagation], nnp_0, n_targ</pre>
|
||||
<p>где nnp_0 - структура буфера, n_targ - указатель на данные для обучения сети.</p>
|
||||
|
||||
<h4><a name="f_getmd">NNP_GetMemData</a></h4>
|
||||
<p>Берет данные нейросети и записывает их в указанное место в памяти. Пример:</p>
|
||||
<pre>f_data dd ?
|
||||
...
|
||||
stdcall [NNP_GetMemData], nnp_0, NNP_FF_JSON, [f_data]</pre>
|
||||
<p>где nnp_0 - структура буфера, f_data - указатель на данные для записи параметров сети.</p>
|
||||
|
||||
<h4><a name="f_setmd">NNP_SetMemData</a></h4>
|
||||
<p>Берет данные из указанного места памяти и записывает их в нейросеть. Пример:</p>
|
||||
<pre>f_data dd ?
|
||||
...
|
||||
stdcall [NNP_SetMemData], nnp_0, NNP_FF_JSON, [f_data]</pre>
|
||||
<p>где nnp_0 - структура буфера, f_data - указатель на данные с параметрами сети.</p>
|
||||
|
||||
<h4><a name="f_delete">NNP_Destroy</a></h4>
|
||||
<p>Освобождает память занятую нейросетью.</p>
|
||||
|
||||
<h1><a name="const">Константы</a></h1>
|
||||
<h4>NNP_FF_BIN equ 0x6e6962</h4>
|
||||
<p>Константа для функций NNP_GetMemData и NNP_SetMemData. Указывает бинарный формат ввода и вывода данных.</p>
|
||||
<h4>NNP_FF_JSON equ 0x6e6f736a</h4>
|
||||
<p>Константа для функций NNP_GetMemData и NNP_SetMemData. Указывает текстовый (JSON) формат ввода и вывода данных.</p>
|
||||
|
||||
<h1><a name="tabl_e">Таблица экспорта</a></h1>
|
||||
<p>Пример таблицы экспорта, расчитанной на использование макроса <b>@use_library_mem</b>:</p>
|
||||
<pre>align 4
|
||||
import_nnp_lib:
|
||||
dd sz_lib_init
|
||||
NNP_Create dd sz_nnp_create
|
||||
NNP_FeedForward dd sz_nnp_FeedForward
|
||||
NNP_BackPropagation dd sz_nnp_BackPropagation
|
||||
NNP_GetMemData dd sz_nnp_GetMemData
|
||||
NNP_SetMemData dd sz_nnp_SetMemData
|
||||
NNP_Destroy dd sz_nnp_Destroy
|
||||
dd 0,0
|
||||
sz_lib_init db 'lib_init',0
|
||||
sz_nnp_create db 'NNP_Create',0
|
||||
sz_nnp_FeedForward db 'NNP_FeedForward',0
|
||||
sz_nnp_BackPropagation db 'NNP_BackPropagation',0
|
||||
sz_nnp_GetMemData db 'NNP_GetMemData',0
|
||||
sz_nnp_SetMemData db 'NNP_SetMemData',0
|
||||
sz_nnp_Destroy db 'NNP_Destroy',0
|
||||
</pre>
|
||||
|
||||
<h1><a name="hist">История</a></h1>
|
||||
<p>01.03.22 - самая первая версия библиотеки (примеры использования возможно будут позже).</p>
|
||||
|
||||
</body>
|
||||
</html>
|
||||
1332
programs/develop/libraries/nnp/nnp.asm
Normal file
1332
programs/develop/libraries/nnp/nnp.asm
Normal file
File diff suppressed because it is too large
Load Diff
4
programs/develop/libraries/nnp/nnp.bat
Normal file
4
programs/develop/libraries/nnp/nnp.bat
Normal file
@ -0,0 +1,4 @@
|
||||
Set NAME=nnp
|
||||
fasm %NAME%.asm %NAME%.obj
|
||||
del *.bak
|
||||
pause
|
||||
Loading…
Reference in New Issue
Block a user