the beginning of the implementation of Vulkan

Xenith/core.cpp

@@ -5,41 +5,51 @@
 #include <vulkan/vulkan.h>
 #include <iostream>
 #include <vector>
-#include <fstream>
 #include <chrono>
+#include <fstream>
 
 
 
 NeuralNetwork::NeuralNetwork(LayerStructure_t layers[], int count, bool useVulkan) : numLayers(count) {
 
     if (useVulkan) {
-
         vk::ApplicationInfo appInfo{"Xenith", 1, nullptr, 0, VK_API_VERSION_1_1};
         instance = vk::createInstance({{}, &appInfo});
         
+        // 2. Выбор видеокарты
         auto physicalDevices = instance.enumeratePhysicalDevices();
+        if (physicalDevices.empty()) throw std::runtime_error("GPU с поддержкой Vulkan не найдены!");
         physDev = physicalDevices[0];
-        auto props = physDev.getProperties();
+        
-        std::cout << "Используем GPU: " << props.deviceName << std::endl;
+        std::cout << "Используем GPU: " << physDev.getProperties().deviceName << std::endl;
 
-        // 3. Поиск очереди для вычислений
+        // 3. Поиск очереди для вычислений (Compute)
         auto queueProps = physDev.getQueueFamilyProperties();
         int computeFamily = -1;
         for (int i = 0; i < queueProps.size(); i++) {
             if (queueProps[i].queueFlags & vk::QueueFlagBits::eCompute) {
-                computeFamily = i; break;
+                computeFamily = i; 
+                break;
             }
         }
-        if (computeFamily == -1) throw std::runtime_error("GPU не поддерживает Compute");
+        
+        if (computeFamily == -1) throw std::runtime_error("GPU не поддерживает вычисления (Compute)");
+        
+        // ВАЖНО: Сохраняем индекс в переменную класса, чтобы использовать её везде
+        this->computeQueueFamilyIndex = (uint32_t)computeFamily;
 
-        // 4. Логическое устройство
+        // 4. Создание логического устройства
         float priority = 1.0f;
-        vk::DeviceQueueCreateInfo queueInfo({}, (uint32_t)computeFamily, 1, &priority);
+        vk::DeviceQueueCreateInfo queueInfo({}, computeQueueFamilyIndex, 1, &priority);
         vk::DeviceCreateInfo deviceCreateInfo({}, 1, &queueInfo); 
         device = physDev.createDevice(deviceCreateInfo);
 
-        queue = device.getQueue(computeFamily, 0);
+        // 5. Получаем саму очередь
+        queue = device.getQueue(computeQueueFamilyIndex, 0);
 
+        // 6. Создаем пул команд (теперь используем правильный индекс)
+        vk::CommandPoolCreateInfo poolInfo({}, computeQueueFamilyIndex);
+        cmdPool = device.createCommandPool(poolInfo);
     }
 
     for (int i = 0; i < count; i++) sizes.push_back(layers[i].size);
@@ -132,6 +142,25 @@ uint32_t NeuralNetwork::findMemoryType(uint32_t typeFilter, vk::MemoryPropertyFl
 }
 
 
+// Внутри класса NeuralNetwork в секции private:
+std::vector<char> NeuralNetwork::readFile(const std::string& filename) {
+    std::ifstream file(filename, std::ios::ate | std::ios::binary);
+
+    if (!file.is_open()) {
+        throw std::runtime_error("Не удалось открыть файл шейдера: " + filename);
+    }
+
+    size_t fileSize = (size_t)file.tellg();
+    std::vector<char> buffer(fileSize);
+
+    file.seekg(0);
+    file.read(buffer.data(), fileSize);
+    file.close();
+
+    return buffer;
+}
+
+
 double NeuralNetwork::trainVulkan() {
     // 1. Создание буферов
     vk::Buffer inputBuffer = device.createBuffer({{}, sizeof(float) * 2, vk::BufferUsageFlagBits::eStorageBuffer});
@@ -218,4 +247,9 @@ double NeuralNetwork::trainVulkan() {
     device.destroyBuffer(outputBuffer); device.freeMemory(outputMemory);
 
     return (double)result;
-}
+}
+
+NeuralNetwork::~NeuralNetwork() {
+    // Здесь позже мы добавим удаление vkInstance, vkDevice и прочего,
+    // чтобы не было утечек памяти на видеокарте.
+}

Xenith/core.hpp

@@ -4,7 +4,6 @@
 #include "typedef.hpp"
 #include <vector>
 #include <cmath>
-#include "core.hpp"
 #include <cstdlib>
 #include <omp.h> 
 #include <vulkan/vulkan.hpp>
@@ -13,28 +12,44 @@
 
 class NeuralNetwork {
 private:
+    // Параметры нейросети
     int numLayers;
     std::vector<int> sizes;
     std::vector<std::vector<std::vector<double>>> weights;
     std::vector<std::vector<double>> biases;
     std::vector<std::vector<double>> outputs;
 
+    // Объекты Vulkan
+    bool useVulkan; // Сохраняем выбор пользователя
     vk::Instance instance;
     vk::PhysicalDevice physDev;
     vk::Device device;
     vk::Queue queue;
     vk::CommandPool cmdPool;
+    uint32_t computeQueueFamilyIndex; // Индекс очереди для команд
 
-    uint32_t NeuralNetwork::findMemoryType(uint32_t typeFilter, vk::MemoryPropertyFlags properties);
+    // Вспомогательные методы Vulkan
+    uint32_t findMemoryType(uint32_t typeFilter, vk::MemoryPropertyFlags properties);
+    std::vector<char> readFile(const std::string& filename);
 
+    // Математика CPU
     double sigmoid(double x) { return 1.0 / (1.0 + exp(-x)); }
     double sigmoidDeriv(double x) { return x * (1.0 - x); }
 
 public:
     int cpu_count = 1;
+    
+    // Конструктор
     NeuralNetwork(LayerStructure_t layers[], int count, bool useVulkan = false);
+    
+    // Деструктор (ВАЖНО для очистки Vulkan)
+    ~NeuralNetwork();
+
+    // Методы работы
     std::vector<double> feedForward(const std::vector<double>& input);
     double train(const std::vector<double>& input, const std::vector<double>& target, double lr);
+    
+    // Наш тест Vulkan
     double trainVulkan();
 };
 

main.cpp

@@ -190,7 +190,7 @@ int main() {
             std::cout << "System Prompt updated!" << std::endl;
 
         } else if (cmdIn == "/trainVulkan") {
-            nn.trainVulkan();
+            std::cout << nn.trainVulkan();
 
         } else if (cmdIn == "/help") {
             std::cout << "\n--- MENU ---" << std::endl;