new stage

docs/maths/type-pred.md

@@ -70,10 +70,36 @@ NumPy.
 
 ## Чтение файлов в память
 
+Для чтения файла в память, я написал модуль на Си, доступный
+репозитории[2]. Здесь кратко опишу, как он работает.
+
+В нем реализована функция `signature_from_filepath_by2`, которая
+получает на вход два параметра: имя файла и уровень `verbose`.  `by_2`
+в названии обусловлено тем, что работа не с матрицами, а `n`-мерными
+eтензорами улучшает качество предсказания.
+
+Функция `read_file` считывает файл в структуру `raw_data`, которая
+представляет собой просто последовательность байтов и размер этой
+последовательности. После этого функция `build_matrix` считывает по
+этой струтуре сигнатуру и записывает в `matrix`.
+
+Далее создается объект `PyObject *result`, представляющий собой
+указатель на массив `NumPy` типа `uint32`. На его основе создается
+динамический массив `result_data`.
+
+Так как `matrix` лежит в памяти последовательно (ввиду того, что 
+она аллоцирована на стеке), то её можно просто скопировать в 
+`result_data`. После всего этого возвращается указатель `*result`.
+
+Помимо этого в коде много второстепенных действий, которые требует API
+Python для работы. Эти подробности я опустил, их можно увидеть в коде,
+все достаточно предсказуемо.
+
 ## Пайплайн обучения нейросети
 
 ## Результаты и картинки
 
 ## Источники
 
-1. https://ru.wikipedia.org/wiki/Executable_and_Linkable_Format
+1. [https://ru.wikipedia.org/wiki/Executable_and_Linkable_Format](https://ru.wikipedia.org/wiki/Executable_and_Linkable_Format)
+2. [https://github.com/rustbas/filetype-prediction](https://github.com/rustbas/filetype-prediction)