Screenshot-to-code-in-Keras將設(shè)計(jì)稿自動(dòng)轉(zhuǎn)換為代碼的神經(jīng)網(wǎng)絡(luò)

目前，自動(dòng)化前端開發(fā)的最大阻礙是計(jì)算能力。但已有人使用目前的深度學(xué)習(xí)算法以及合成訓(xùn)練數(shù)據(jù)，來(lái)探索人工智能自動(dòng)構(gòu)建前端的方法。

Screenshot-to-code-in-Keras 是  Emil Wallner 實(shí)現(xiàn)的一個(gè)可根據(jù)設(shè)計(jì)草圖生成基本 HTML 和 CSS 網(wǎng)站的神經(jīng)網(wǎng)絡(luò)。以下是該過程的簡(jiǎn)要概述：

1）給訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)提供設(shè)計(jì)圖像

2）神經(jīng)網(wǎng)絡(luò)將圖片轉(zhuǎn)化為 HTML 標(biāo)記語(yǔ)言

3）渲染輸出

Emil Wallner 分三步從易到難構(gòu)建三個(gè)不同的模型：

• 首先，構(gòu)建最簡(jiǎn)單的版本來(lái)掌握移動(dòng)部件。
  

• 然后，專注于自動(dòng)化所有步驟，并簡(jiǎn)要解釋神經(jīng)網(wǎng)絡(luò)層。
  

• 最后，創(chuàng)建一個(gè)模型來(lái)思考和探索 LSTM 層。
  

實(shí)現(xiàn)細(xì)節(jié)