- WEB
https://kaonashi-tyc.github.io/2017/04/06/zi2zi.html
- 官方
https://github.com/kaonashi-tyc/zi2zi
- 修正後
https://github.com/chiaoooo/zi2zi_tensorflow
* Python = 3.7
* CUDA
* cudnn
* Tensorflow = 1.14.0
* Pillow
* numpy
* scipy = 1.2.1
* imageio = 2.9.0
- 電腦要有NVIDIA GPU
- VRAM 要大於 8GB
- 顯卡不能太新，要支援 CUDA 10.0
>python
>>>import tensorflow as tf
>>>tf.test.is_gpu_available()
將要 train 的字放入 train.txt
將要 val 的字放入 val.txt
- 做 train 的 json 檔
python m1_json_train.py.py
- 做 val 的 json 檔
python m2_val_train.py.py
- 合併兩個 json 檔
python m3_merge_json.py.py
執行完會得到 cjk.json 就代表成功！
使用下面指令可以直接生成環境！！！！！
conda env create -f environment.yml
git clone https://github.com/chiaoooo/zi2zi_tensorflow.git
cd zi2zi_tensorlow
####建立 sample 資料夾
mkdir image_train
mkdir image_val
--srcfont: 來源字體路徑位置 --dstfont: 目標字體路徑位置 --charset: 要讀取的字集 e.g. CN、CNT、JP、KR、TWTrain、TWVal --samplecount:取幾張圖訓練（數字） --sampledir:圖片存放位置（對應 package.py 的 --dir） --label: 類別編號，在同模型訓練多字體時需更換，ex: 2、3... --shuffle: 是否重新排序字集中文字的排序 e.g. 0: false, 1: true
這裡設定來源字體為源樣黑體，目標字體為 CircleFont，訓練字數 1000 字。
python font2img.py --src_font=font/GenYoGothicTW-EL-01.ttf --dst_font=font/CircleFont.ttf --charset=TWTrain --sample_count=2404 --sample_dir=image_train --label=1 --filter=1 --shuffle=1
python font2img.py --src_font=font/GenYoGothicTW-EL-01.ttf --dst_font=font/CircleFont.ttf --charset=TWVal --sample_count=13000 --sample_dir=image_val --label=1 --filter=1 --shuffle=0
得到 train.obj 和 val.obj 在 save_dir 資料夾
得到 train.obj
save_dir 預設 experiment/data
python package.py --dir=image_train --save_dir=experiment/data --split_ratio=0.1
得到 val.obj 會在最後驗證步驟 infer.py 用到 （這裡 --save_dir 與 infer.py 的 --source_obj 相同）
python package.py --dir=image_val --save_dir=experiment/data/val --split_ratio=1
--experimentdir: 訓練要存的資料夾（已存在），會在內建立 checkpoint、log、sample 資料夾 --experimentid: 模型編號（數字） --batchsize: 設定 1 epoch ? batch（數字）
python train.py --experiment_dir=experiment --experiment_id=1 --batch_size=16 --lr=0.00005 --epoch=1000 --sample_steps=50 --schedule=20 --L1_penalty=100 --Lconst_penalty=15
--modeldir: 訓練後的 checkpoint 資料夾 --batchsize: 圖片中的文字列數 --experimentids: 對應 font2img 的 --label 數字（預設 1 代表要推論出 label=1 的驗證資料集）
python infer.py --model_dir=experiment/checkpoint/experiment_1_batch_16 --batch_size=1 --source_obj=experiment/data/val/val.obj --embedding_ids=1 --save_dir=experiment/infer_1
如果要推論沒訓練過的字（沒看過的字）:
把46-56行改成下面這樣
def draw_example(ch, src_font, dst_font, canvas_size, x_offset, y_offset, filter_hashes):
dst_img = draw_single_char(ch, dst_font, canvas_size, x_offset, y_offset)
# check the filter example in the hashes or not
dst_hash = hash(dst_img.tobytes())
if dst_hash in filter_hashes:
src_img = draw_single_char(ch, src_font, canvas_size, x_offset, y_offset)
example_img = Image.new("RGB", (canvas_size * 2, canvas_size), (255, 255, 255))
example_img.paste(src_img, (canvas_size, 0))
return example_img
src_img = draw_single_char(ch, src_font, canvas_size, x_offset, y_offset)
example_img = Image.new("RGB", (canvas_size * 2, canvas_size), (255, 255, 255))
example_img.paste(dst_img, (0, 0))
example_img.paste(src_img, (canvas_size, 0))
return example_img
並重新執行
- python font2img.py --src_font=font/GenYoGothicTW-EL-01.ttf --dst_font=font/CircleFont.ttf --charset=TWVal --sample_count=670 --sample_dir=image_val --label=1 --filter=1 --shuffle=0
- python package.py --dir=image_val --save_dir=experiment/data/val --split_ratio=1
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent