首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >利用机器学习把草图自动生成HTML

利用机器学习把草图自动生成HTML

作者头像
前朝楚水
发布于 2018-12-12 08:11:46
发布于 2018-12-12 08:11:46
1.2K00
代码可运行
举报
文章被收录于专栏:互联网杂技互联网杂技
运行总次数:0
代码可运行

做了这个实验,看来只会切页面的前端,是可能被AI替代的。

项目地址 https://github.com/ashnkumar/sketch-code 可以先clone到本地

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
git clone https://github.com/ashnkumar/sketch-code

环境准备

要做此实验先按照说明把环境准备好,要python3.0以上; 建议按照 pyenv 就像node 的 nvm 可以切换python的版本。

查看安装的python的版本

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pyenv versions

设置

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
python local 3.5.2

然后需要有pip模块安装,就像 node 的 npm;

安装依赖

进入到项目的跟目录安装依赖

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pip install -r requirements.txt之后根据项目说明,依次进行

下载数据与训练权重

(数据量大,下载比较费时,找一个网络好的地方)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cd scripts
sh get_data.sh
//可以手动自己下载这个数据,可能快点,下载之后放 data 目录
//http://sketch-code.s3.amazonaws.com/data/all_data.zip
sh get_pretrained_model.sh
//下载之后放 bin 目录
//http://sketch-code.s3.amazonaws.com/model_json_weights/model_json.json
//http://sketch-code.s3.amazonaws.com/model_json_weights/weights.h5

根据原型图,绘制

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
python convert_single_image.py --png_path ../examples/drawn_example2.png \
      --output_folder ./generated_html \
      --model_json_file ../bin/model_json.json \
      --model_weights_file ../bin/weights.h5

原型

绘制结果

我是直接用的项目里面的图 examples目录下 对应生成 generated_html目录

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-11-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 交互设计前端开发与后端程序设计 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
前端要失业了么,sketch-code让草图秒变HTML
最近两年来,人工智能正在以人们难以想象的速度颠覆科技行业。前不久,偶然看到一篇从草图到HTML只需5秒文章,让我感觉「使用人工智能自动生成网页」已经变得越来越现实。而本文将要介绍的SketchCode 的卷积神经网络能够把网站图形用户界面的设计草图直接转译成代码行,为前端开发者们分担部分设计流程。目前,该模型在训练后的 BLEU 得分已达 0.76。
xiangzhihong
2022/11/30
1.8K0
AI编程已杀疯,机器学习论文代码自动生成,100%开源,支持DeepSeek!
之前推荐过 N 多读论文神器,比如可以用大模型下载论文、总结论文,效率飞起的 ArXiv MCP 服务器、整篇翻译并保留样式的看论文神器,一键翻译,体验很爽、还有最近刚刚分享的斯坦福学生搞出的论文神器太逆天!秒搜热门论文,3分钟搞定论文总结、翻译,效率飙升100倍!的 AlphaXiv
Ai学习的老章
2025/06/08
1580
AI编程已杀疯,机器学习论文代码自动生成,100%开源,支持DeepSeek!
前端慌不慌?用深度学习自动生成HTML代码
选自Floydhub 作者:Emil Wallner 机器之心编译 如何用前端页面原型生成对应的代码一直是我们关注的问题,本文作者根据 pix2code 等论文构建了一个强大的前端代码生成模型,并详细解释了如何利用 LSTM 与 CNN 将设计原型编写为 HTML 和 CSS 网站。 项目链接:https://github.com/emilwallner/Screenshot-to-code-in-Keras 在未来三年内,深度学习将改变前端开发。它将会加快原型设计速度,拉低开发软件的门槛。 Tony Be
机器之心
2018/05/10
2K0
机器学习应用区块链系列(一)——如何开发一套自己的智能合约系统
从今天开始 编辑部将带来机器学习应用区块链系列 由于是第一期,我们想解读一些国外已有的文献和研究。故带来了START-Summit-2017-Blockchain-Machine-Learning-Workshop的演讲稿和示例代码,希望能够给大家带来一些启迪。 介绍 代码的目的是用一个简单的例子来演示如何把区块链技术,智能合约和机器学习结合在一起。 (代码在文末下载) 代码文件 - runTestnet.sh: launches a local development Blockchain fo
量化投资与机器学习微信公众号
2018/01/29
2.1K0
机器学习应用区块链系列(一)——如何开发一套自己的智能合约系统
Facebook开源PyTorch版本fairseq翻译模型,训练速度提高50%
【新智元导读】FAIR的开源序列到序列(sequence-to-sequence)引擎现在可以在PyTorch使用了。FAIR今天发布了fairseq-py,这是一个用PyTorch实现的卷积seq2seq模型。fairseq-py是语言翻译以及其他 seq2seq 的NLP任务的一个很好的模型,新的工具包比以前的更高效率:生成翻译的速度比以前的提高了80%,训练速度提高了50%。 今年5月10日,Facebook AI 研究实验室(FAIR)发布了一项使用创新性的、基于卷积神经网络的方法来进行语言翻译的最
新智元
2018/03/22
2.2K0
Facebook开源PyTorch版本fairseq翻译模型,训练速度提高50%
GitHub项目推荐 | christmAIs - 用文本生成(节日贺卡上的)抽象图案
【christmAIs:用文本生成(节日贺卡上的)抽象图案】《Let AI design your holiday cards!》
AI研习社
2018/12/29
7110
教程 |「世界模型」实现,一步步让机器掌握赛车和躲避火球的技能
选自Medium 作者:David Foster 机器之心编译 参与:李诗萌、刘晓坤 前段时间,由谷歌大脑研究科学家 David Ha 与瑞士 AI 实验室 IDSIA 负责人 Jürgen Schmidhuber(他也是 LSTM 的提出者)共同提出的「世界模型」让人工智能在「梦境」中训练的论文吸引了人们的热烈讨论。本文将带你一步步实现论文中研究的赛车和躲避火球智能体。 简言之,该论文被称为杰作的原因有三: 1. 它结合了多种深度/强化学习技术以得到惊人的结果——已知第一个解决当下流行的「赛车」强化学
机器之心
2018/06/08
5170
手把手教 | 使用Bert预训练模型文本分类(内附源码)
Bert模型是Google在2018年10月发布的语言表示模型,Bert在NLP领域横扫了11项任务的最优结果,可以说是现今最近NLP中最重要的突破。Bert模型的全称是Bidirectional Encoder Representations from Transformers,是通过训练Masked Language Model和预测下一句任务得到的模型。关于Bert具体训练的细节和更多的原理,有兴趣的读者可以去看在[arXiv](https://arxiv.org/abs/1810.04805)上的原文。本篇文章从实践入手,带领大家进行Bert的中文文本分类和作为句子向量进行使用的教程。
数据派THU
2019/05/09
16.3K1
手把手教 | 使用Bert预训练模型文本分类(内附源码)
深度学习工程模板
注意:支持在训练中调用callbacks,额外添加模型存储、TensorBoard、FPR度量等。
机器学习AI算法工程
2019/10/28
6020
深度学习工程模板
全面解析:DeepSeek 多模态搜索模型的本地部署与优化指南
随着人工智能技术的快速发展,越来越多的企业和开发者希望将 AI 模型部署到自己的生产环境中,以提供智能化服务。DeepSeek 作为一个开源的搜索模型,拥有强大的检索能力,可以被广泛应用于多个场景中。本文将详细讲解如何将 DeepSeek 模型本地部署,并进行优化和配置,使其能够高效运行。
Lethehong
2025/03/04
3480
全面解析:DeepSeek 多模态搜索模型的本地部署与优化指南
spark的机器学习库mllib
Apache Spark是大数据流行的开源平台。MMLib是Spark的开源学习库。MMLib提供了机器学习配置,统计,优化和线性代数等原语。在生态兼容性支持Spark API和Python等NumPy库,也可以使用Hadoop数据源。
mariolu
2024/01/19
4600
MLFlow︱机器学习工作流框架:MLFlow docker 实践(二)
本来按照这个MLFlow教程(MLflow系列1:MLflow入门教程(Python)),找台机器跑起来没啥问题; 不过,看到项目的github有Dockerfile那必须上啊! 然后就被各类报错虐了一下午。。
悟乙己
2021/12/07
2.2K0
MLFlow︱机器学习工作流框架:MLFlow docker 实践(二)
技术 | 机器学习中Python库的3个简单实践——你的图片将由你来创造
【导读】今天为大家介绍机器学习、深度学习中一些优秀、有意思的 Python 库,以及这些库的 Code 实践教程。涉及到的理论与学术内容会附上相应的论文与博客,方便大家参考学习。
用户1737318
2018/07/23
7400
技术 | 机器学习中Python库的3个简单实践——你的图片将由你来创造
资源 | 微软开源MMdnn:实现多个框架之间的模型转换
选自GitHub 作者:Kit CHEN等 机器之心编译 参与:路雪、思源 近日,微软开源 MMdnn,可用于转换、可视化和诊断深度神经网络模型的全面、跨框架解决方案,目前支持 Caffe、Keras、MXNet、CNTK 等框架。 项目地址:https://github.com/Microsoft/MMdnn MMdnn 是一个用于转换、可视化和诊断深度神经网络模型的综合性、跨框架的解决方案。MMdnn 中的「MM」代表模型管理,「dnn」是「deep neural network」(深度神经网络)的缩写
机器之心
2018/05/09
1.7K0
资源 | 微软开源MMdnn:实现多个框架之间的模型转换
玩转 AIGC:Ubuntu 24.04 LTS 安装配置 Stable Diffusion WebUI
今天分享的内容是 玩转 AIGC「2024」 系列文档中的 Ubuntu 24.04 LTS 安装配置 Stable Diffusion WebUI。
运维有术
2024/05/11
3K0
玩转 AIGC:Ubuntu 24.04 LTS 安装配置 Stable Diffusion WebUI
conda:一个当下最流行的Python虚拟环境工具
Conda是目前为止,最流行的Python软件包与管理环境。Conda分为 miniconda 与 anaconda 两种。前者从名字上就能猜出是精简版,后者预装了很多常用的功能,但比较臃肿。实际工程中,一般都使用 miniconda,按需安装软件包,本文的下面篇幅也以 miniconda 为例进行说明。
龙哥
2019/11/21
2.7K0
一个可以解决因api抽风出现空目录的OneDrive目录程序:OneList
说明:目前OneDrive目录程序已经很多了,比如:PyOne、OneIndex和OLAINDEX。这几个各有特色,都挺好用的,不过有时候api在高峰期抽风的时候,都很容易出现空目录的情况,导致下载会出现问题,这里萌咖和sxyazi大佬就历时N天,写了个基于Python3的简约OneDrive目录列表,同时换了一种api来防止因使用人过多导致抽风等问题,稳定性大大的增加,而且使用Redis动态缓存策略,打开目录的速度是相当的快,不过该程序初衷只想安静的做个目录程序,所以是不会增加看视频的功能,如果你想看视频,那就选择开头的3个程序。
子润先生
2021/05/29
8470
开发 | Facebook开源 PyTorch版 fairseq,准确性最高、速度比循环神经网络快9倍
AI科技评论按:今年5月,FacebookAI研究院(FAIR)发表了他们的研究成果fairseq,在fairseq中,他们使用了一种新型的卷积神经网络来做语言翻译,比循环神经网络的速度快了9倍,而且准确性也是现有模型中最高的。此外,他们在GitHub公布了fair序列建模工具包的源代码和训练好的系统,其他的研究者可以在此基础上建立自己的关于翻译、文本总结和其他任务的模型。 详情可参见:快9倍!Facebook开源机器学习翻译项目fairseq 一文。 日前,FacebookAI研究团队又在GitHub上开
AI科技评论
2018/03/14
1.6K0
开发 | Facebook开源 PyTorch版 fairseq,准确性最高、速度比循环神经网络快9倍
1小时上手MaskRCNN·Keras开源实战 | 深度应用
MaskRCNN 是何恺明基于以往的 faster rcnn 架构提出的新的卷积网络,一举完成了 object instance segmentation。该方法在有效地目标的同时完成了高质量的语义分割。文章的主要思路就是把原有的 Faster-RCNN 进行扩展,添加一个分支使用现有的检测对目标进行并行预测。
AI科技大本营
2019/08/23
1.7K0
1小时上手MaskRCNN·Keras开源实战 | 深度应用
AutoML:机器学习的下一波浪潮
AI 前线导读: 人工智能和机器学习仍然是一个进入门槛较高的领域,需要专业的知识和资源,很少有公司可以自己承担。—— 李飞飞自动机器学习(AutoML)是将机器学习应用于现实问题的端到端流程自动化的过程。AutoML 使真正意义上的机器学习成为可能,即使对于没有该领域专业知识的人也是如此。本文介绍了一些流行的 AutoML 框架,这些框架的趋势是自动化部分或整个机器学习的管道。更多优质内容请关注微信公众号“AI 前线”(ID:ai-front)
用户7886150
2020/12/27
1.4K0
推荐阅读
相关推荐
前端要失业了么,sketch-code让草图秒变HTML
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档