package neuralnetworkbase

// import (
// 	"testing"

// 	"gonum.org/v1/gonum/mat"
// )

// func TestNewNeuralNetwork(t *testing.T) {
// 	nn, err := NewNeuralNetwork([]int{}, 0.1, 500)
// 	if nn != nil || err == nil {
// 		t.Error("nn initialized, but shouldn't ", err)
// 	}

// 	nn, err = NewNeuralNetwork([]int{0, 0, 0, 0}, 0.1, 500)
// 	if nn != nil || err == nil {
// 		t.Error("nn initialized, but shouldn't ", err)
// 	}

// 	nn, err = NewNeuralNetwork([]int{1, 1, 1, 1}, 0.1, 500)
// 	if nn != nil || err == nil {
// 		t.Error("nn initialized, but shouldn't ", err)
// 	}

// 	nn, err = NewNeuralNetwork([]int{5, 5}, 0.1, 500)
// 	if nn != nil || err == nil {
// 		t.Error("nn initialized, but shouldn't ", err)
// 	}

// 	nn, err = NewNeuralNetwork([]int{5, 1, 5, 5}, 0.1, 500)
// 	if nn != nil || err == nil {
// 		t.Error("nn initialized, but shouldn't ", err)
// 	}

// 	nn, err = NewNeuralNetwork([]int{5, 4, 4, 5}, 0.1, 500)
// 	if nn == nil || err != nil {
// 		t.Error("nn is not initialized, but should be ", err)
// 	}
// }

// func TestNeuralNetworkPredict(t *testing.T) {
// 	nn, _ := NewNeuralNetwork([]int{3, 4, 4, 2}, 0.1, 500)

// 	aIn := &mat.Dense{}
// 	index, max := nn.Predict(aIn)
// 	if index != -1 || max != 0.0 {
// 		t.Error("Prediction when empty aIn shouldn't be possibe but predicted", index, max)
// 	}

// 	aIn = mat.NewDense(2, 1, []float64{0.1, 0.2})
// 	index, max = nn.Predict(aIn)
// 	if index != -1 || max != 0.0 {
// 		t.Error("Prediction aIn has invalid size shouldn't be possibe but predicted", index, max)
// 	}

// 	aIn = mat.NewDense(3, 1, []float64{0.1, 0.2, 0.3})
// 	index, max = nn.Predict(aIn)
// 	if index == -1 || max == 0.0 {
// 		t.Error("Prediction of aIn valid size should be predicted", index, max)
// 	}

// 	aIn = mat.NewDense(4, 1, []float64{0.1, 0.2, 0.3, 0.4})
// 	index, max = nn.Predict(aIn)
// 	if index != -1 || max != 0.0 {
// 		t.Error("Prediction aIn has invalid size shouldn't be possibe but predicted", index, max)
// 	}
// }