fontdesign_gan

تصميم الخط غان

رمز للتدريب/توليد GAN ، وهذا هو لتصميم الخط.

عينات

الخطوط التي تم إنشاؤها ، لديهم أنماط مختلفة ويمكن قراءتها كشخصية.

المشي العشوائي في مساحة المدخلات النمط. يمكنك مشاهدة الخطوط التي تحولت تدريجيا.

كيفية استخدام

بيئة

قام المؤلف بفحص رموز التشغيل في البيئة التالية فقط:

• Ubuntu 16.04 LTS
• Geforce GTX 1080 & Driver (إصدار برنامج التشغيل: 384.111)
• CUDA 8.0
• Cudnn v6.0 (مطلوبة العضوية)

إذا كنت ترغب في تشغيل أحدث بيئة ، فقم بمراجعة بعض الملفات حسب الضرورة.

أولا استنساخ هذا المستودع. إضافة --recursive لأن هذا المستودع يحتوي على وحدة فرعية (FONT2IMG)

 git clone --recursive https://github.com/uchidalab/fontdesign_gan
cd fontdesign_gan

مع Docker (GPU مطلوب)

إذا كنت تستخدم GPU و Docker ، فمن السهل إعداد بيئتك. المكتبات المتطلبات مكتوبة في Dockerfile.
قم بتثبيت برنامج تشغيل GPU/nvidia docker وقم بتشغيل الأوامر التالية:

 docker build -t fontdesign_gan .
docker run --runtime=nvidia -it --rm -p 6006:6006 --volume `pwd`:/workdir -w /workdir/ fontdesign_gan

لا عامل ميناء

مع GPU: تثبيت برنامج تشغيل GPU/CUDA/CUDNN وقم بتشغيل الأمر التالي:

 pip install -r requirements_gpu.txt

مع وحدة المعالجة المركزية: تشغيل الأمر التالي:

 pip install -r requirements_cpu.txt

يحضر

تحويل ملفات الخط (.ttf) إلى ملفات الصور (.png) ، وحزمها في ملف HDF5 (.h5)

قم بعمل دليل (على سبيل المثال ./ttfs ) ونسخ ملفات الخط. تعيين مسار الوجهة (على سبيل المثال ./src/myfonts.h5 ) وتشغيل.

 python main.py --ttf2png --png2h5 --font_ttfs ./ttfs --font_h5 ./src/myfonts.h5

--ttf2png هو الخيار للتحويل ، يتم حفظ ملفات الصور في ./src/pngs/{YYYY-MM-DD_HHmmss} . إذا كنت تستخدم خيار --font_pngs ، يمكنك تعيين المسار بنفسك.
--png2h5 هو خيار التعبئة ، يتم حفظ الملف المعبأ في المسار الذي تقوم بتعيينه مع- --font_h5 .

يدرب

اضبط مسار الملف المعبأ وتشغيله.

 python main.py --train --font_h5 ./src/myfonts.h5

يتم حفظ النتائج في ./result/{YYYY-MM-DD_HHmmss} . يمكنك تعيين الوجهة مع --gan_dir .

في دليل log ، تم حفظ نفس الملفات: سجل Flags ، أحدث/تم الاحتفاظ به من Dumps (.ckpt*) ، سجل Tensorboard.
في دليل sample ، يتم حفظ الخطوط التي ولدت مؤقتة.

أثناء التدريب ، يعمل Tensorboard أيضًا. الوصول إلى عنوان URL الذي سيظهر في سطر الأوامر.

يولد

اضبط مسارًا لدليل إخراج GAN المدرب وملف JSON.

يجب أن يكون ملف JSON مكتوبًا معرفات النمط/الحرف. معرف النمط يتوافق مع مصفوفة عشوائية. معرف الحرف يتوافق مع حرف.

يتم تحميل المعرفات بالترتيب ، ويمكنك استخدام بعض المعاملات. على سبيل المثال ، إذا كان ملف JSON يتبع:

 {
  "style_ids": [
    "0", "5", "21", "37", "17..39:4"
  ],
  "char_ids": [
    "0-3", "6*4"
  ],
  "col_n": 4
}

معرفات الإدخال ستكون هكذا:

 style_ids = [0, 5, 21, 37, (between 17 and 39 with 4 steps)]
char_ids = [0, 1, 2, 3, 6, 6, 6, 6]

و # من أعمدة النتائج هو 4. تحقق أيضًا من ملفات العينة ( ./jsons/sample*.json ).

بعد إعداد ملف JSON ، قم بتشغيل مثل هذا:

 python main.py --generate --gan_dir ./result/{trained} --ids ./jsons/sample01.json

يتم حفظ الخطوط التي تم إنشاؤها في ./result/{trained}/generated/{YYYY-MM-DD_HHmmss}.png {trecrained )/generated/ {yyyy-mm-dd_hhmmss ).png. يمكنك تعيين اسم ملف الإخراج باستخدام --gen_name .

الصورة المولدة مثل هذا:

إذا كنت تريد خطوط المشي العشوائية ، فاستخدم --generate_walk . ملف JSON لا داعي له.

 python main.py --generate_walk --gan_dir ./result/{YYYY-MM-DD_HHmmss} --char_img_n 256

سيتم إنشاء 256 خطوط الأنماط ، ويتم تحويلها تدريجياً.

خيارات

هناك العديد من الخيارات. تحقق من الجدول التالي.

ل	خيار	وصف	تقصير
التحضير ، القطار	--img_width	عرض الصور.	64
التحضير ، القطار	--img_height	ارتفاع الصور.	64
التحضير ، القطار	--img_dim	بُعد الصور.	3
التحضير ، القطار	--chars_type	يمكنك اختيار نوع الأحرف أو "Caps" أو "Hiragana" أو "Caps ، Hiragana"	"قبعات"
تدريب ، توليد	--gpu_ids	معرفات GPU التي تستخدمها. هذا النوع هو سلسلة (على سبيل المثال. "0 ، 1")	(تعيين تلقائيا)
تدريب ، توليد	--batch_size	حجم الدُفعة لجان	256
يدرب	--arch	هندسة نماذج GAN. اختر "DCGAN" أو "Resnet"	"dcgan"
يدرب	--style_ids_n	# من معرفات النمط	256
يدرب	--style_z_size	حجم style_z	100
يدرب	--gan_epoch_n	# من تكرارات الحقبة	10000
يدرب	--critic_n	# من التكرارات الناقدة	5
يدرب	--sample_imgs_interval	الفاصل الزمني لتوفير صور عينة	10
يدرب	--sample_col_n	# من أعمدة نموذج الصورة	26
يدرب	--keep_ckpt_interval	فاصل من الحفاظ على مقالب Tensorflow	250
يدرب	--run_tensorboard	قم بتشغيل Tensorboard أم لا	حقيقي
يدرب	--tensorboard_port	Port for Tensorboard	6006