在这篇文┞仿中,我们将教会一个神经收集若何基于一张设计原型图片来编写根本的 HTML 和 CSS 代码。以下是该过程的扼要概述:
原文链接:https://blog.floydhub.com/turning-design-mockups-into-code-with-deep-learning/
这里有原始网站供参考。
我们精确保它可以或许为之前没有看过的截图生成标签,还精深刻研究它是若何建立对屏幕截图和标签的认知的。
我们将应用 17 个简化过的记号,然后将这些记号转成 HTML 和 CSS,而不是在 Bootstrap 标签长进行练习。这个数据集包含 1500 个测试截图和 250 幅验证图像。每个截图平均有 65 个记号,总共将生成 96925 个练习样本。
经由过程对 pix2code 论文中的模型做了一些调剂,该模许可以以 97%的精确度猜测网页组件(BLEU 4-ngram 贪婪搜刮,稍后会介绍更多)。
一种端到端的办法
在 Image Caption 模型中,大年夜预练习好的模型中提取特点的效不雅很好。但经由几回实验后,我发明 pix2code 的端到端办法的效不雅更好。预练习的模型尚未竽暌姑网页数据练习过,只是用在分类上。
在这个模型中,我们用轻量级的卷积神经收集调换了预练习好的图像特点。然则我们没有应用 max-pooling 来增长信息密度,而是增长了步幅,用以保护元素的地位和色彩。
推荐阅读
全平易近充电节 | 3月26日~30日 2000位IT行业拭魅战专家邀请你一路充电进修!根据筹划,北京市组织扶植了首个占地200余亩的海淀主动驾驶封闭测试场地,测试场包含城市、村庄的多种门路类型,具有丰富的测>>>详细阅读
地址:http://www.17bianji.com/lsqh/40844.html
1/2 1