SketchCode是一种深度学习模型，它采用手绘的Web原型并将其转换为有效的HTML代码，使用图像字幕体系结构从手绘网站线框生成HTML标记。
注意：此项目是概念验证；该模型性能依赖于类似于核心数据集的线框。
依赖
- Python 3 (not compatible with python 2)
- pip
安装依赖
pip install -r requirements.txt
用法示例
下载数据和预训练的权重：
# Getting the data, 1,700 images, 342mb git clone https://github.com/ashnkumar/sketch-code.git cd sketch-code cd scripts # Get the data and pretrained weights sh get_data.sh sh get_pretrained_model.sh
使用预训练的权重将示例绘制的图像转换为HTML代码：
cd src
python convert_single_image.py --png_path ../examples/drawn_example1.png \
--output_folder ./generated_html \
--model_json_file ../bin/model_json.json \
--model_weights_file ../bin/weights.h5
一般用法
使用权重将单个图像转换为HTML代码：
cd src
python convert_single_image.py --png_path {path/to/img.png} \
--output_folder {folder/to/output/html} \
--model_json_file {path/to/model/json_file.json} \
--model_weights_file {path/to/model/weights.h5}
将文件夹中的一批图像转换为HTML：
cd src
python convert_batch_of_images.py --pngs_path {path / to / folder / with / pngs} \
--output_folder {folder / to / output / html} \
--model_json_file {path / to / model / json_file.json} \
- -model_weights_file {path / to / model / weights.h5}
训练模型：
cd src
# training from scratch
# <augment_training_data> adds Keras ImageDataGenerator augmentation for training images
python train.py --data_input_path {path/to/folder/with/pngs/guis} \
--validation_split 0.2 \
--epochs 10 \
--model_output_path {path/to/output/model}
--augment_training_data 1
# training starting with pretrained model
python train.py --data_input_path {path/to/folder/with/pngs/guis} \
--validation_split 0.2 \
--epochs 10 \
--model_output_path {path/to/output/model} \
--model_json_file ../bin/model_json.json \
--model_weights_file ../bin/pretrained_weights.h5 \
--augment_training_data 1
使用BLEU分数评估生成的预测
cd src
# evaluate single GUI prediction
python evaluate_single_gui.py --original_gui_filepath {path/to/original/gui/file} \
--predicted_gui_filepath {path/to/predicted/gui/file}
# training starting with pretrained model
python evaluate_batch_guis.py --original_guis_filepath {path/to/folder/with/original/guis} \
--predicted_guis_filepath {path/to/folder/with/predicted/guis}
评论