顯示具有 網路資源 標籤的文章。顯示所有文章

2019年12月13日星期五

字型的深度學習(5)

太震驚了! 我去年突發奇想要做的<字型的深度學習>居然也是Google Brain內部的project之一, 已經發表在2019/4月份!

相關介紹報導
https://neurohive.io/en/news/new-method-for-generating-svg-fonts-by-google-brain/

2019 Google Brain發表論文標題/網址
A Learned Representation for Scalable Vector Graphics
https://arxiv.org/pdf/1904.02632.pdf

同時, 我也另外搜尋到MIT在2018有位碩士生拿這個當作畢業碩士論文, 連結如下:
https://dspace.mit.edu/bitstream/handle/1721.1/119692/1078149677-MIT.pdf?sequence=1&isAllowed=y

2019年6月30日星期日

水彩風格鮮明的美麗地圖-峨眉鄉綠色產業文化地圖

今天去峨眉鄉天主堂買有名的窯烤麵包，發現一張超尬意的文宣地圖：

峨眉鄉綠色產業文化地圖

水彩風格的地圖真得超美der, 尤其各種綠色色彩的運用真的漂亮極了, 其中有些綠色看起來是很亮的那種青綠釉色。當下就很想知道是誰繪製出這麼漂亮的觀光地圖，於是後來上網查到這篇文章，《峨眉小地方．天主堂飄麵包香》，發現是新竹縣峨眉鄉月眉觀光休閒產業文化協會的會長跟他的藝術家朋友繪製。如果將來能製作一款遊戲，我會很想要採用這種美術風格的地圖！

2018年11月22日星期四

從Google圖書到可攜式epub

前語

很多買了電子閱讀器的人，可能會發現從《Google圖書》花錢買下來的電子書籍，下載之後，居然無法在電子閱讀器底下開啟。這其實是因為這些電子書商對於保護著作財產權的一種防範措施，避免單一消費者任意散布檔案給其他未付費的讀者。目前(2018)較慣用的做法多半是為這些下載下來的檔案附加上DRM(Digital Restrictions Management)屬性，而循規蹈矩的電子閱讀器基本上就無法任意開啟受DRM保護的電子書籍檔案(即便那是你花錢買來的)。可是這可能對於以購買的消費者帶來一定程度的不便，畢竟買這類eReader有很大一部分原因就是不想看較為刺眼的電腦/手機螢幕，但購書管道又不想侷限於單一平台。畢竟貨比三家不吃虧，電子書購買平台本來就不應侷限於電子閱讀器上面的那款。以下文章提供一些簡單的做法來移除這些惱人的DRM屬性。

2018年11月11日星期日

新增更多Anaconda Prompt字型

More Fonts for Your Anaconda Prompt

使用Windows+Anaconda套件的中文語系使用者，多半都會發現anaconda prompt的字型實在是有點糟糕，但更換字型的時候絕大多數會看到下列畫面：
windows prompt fonts in BIG-5

2018年11月5日星期一

字型的深度學習(3)

Tensorflow平台選擇

跑tensorflow平台大致研究了一下, 除了用自己的PC來跑之外, 也可以使用Google Cloud Platform(GCP)或者Amazon的AWS服務, 但發現GCP收費約 USD $300/month跑不掉, 即使是可以使用小時計費的TPU感覺還是不便宜, 自己畢竟還是初學者, 先用PC研究看看吧

zi2zi project will migrate to python 3

zi2zi project似乎還在使用比較舊的python2, 但目前大多數tensorflow app/tutorial都已經轉向python3, 有人在github上面提問後, 作者也已經回應將會將zi2zi migrate到python3

使用local desktop PC來跑Tensorflow

2018年10月24日星期三

字型的深度學習(2)

發現一個有趣的東西：

zi2zi: Master Chinese Calligraphy with Conditional Adversarial Networks

這個github上面的zi2zi(字到字)專案，跟我之前想到的人工智慧字型學習的概念相當雷同！

稍加研究之後，簡單而言，style transfer的一種AI應用方式，就我初步的理解，這一類的應用主要是在training的時候，給定一組已知input stream，以及他相對應型別轉換後的output stream。講白話一點，如果我的style transfer叫做『灰階化』，那麼這一對已知的input就可以是彩色圖片，而對應的output便是灰階處理過的圖片。下圖是一個風格化的例子

https://www.techleer.com/articles/466-insight-into-fast-style-transfer-in-tensorflow/

如果對style transfer有興趣，可以搜尋prisma這個app看看他們的厲害之處

https://prisma-ai.com/

以下是目前對zi2zi初步理解：

zi2zi利用這個style transfer的基本做法(之一)，大致如下：

training的時候…

先用字型A產生特定中文字的圖像當作training input stream，接著找另外一個字型B產生同樣的相同中文字的圖像來當作training output stream。

inference的時候…

當deep learning model已經學習完畢，如果它訓練效果很好，表示它大致上已經摸熟了字型A到字型B的微調原則，所以我們可以刻意給定另外一組不同中文字所組成的圖像當作inference input stream，讓它產生inference output stream。到這邊為止，還是zi2zi的本質。

但我想到的應用是：

倘若字型B是一個字數有短缺的字型，也許因為人力資源有限導致開發中斷或緩慢等等。透過這種作法我們其實可以要求這位虛擬字型學徒，透過inference的方式產生其他原先它並沒有看過的中文字。用這個特點，假設字型A是類似全字庫字型的full set，那我們可以這種做法來補足字型B的字數！

但有幾個潛在的問題：

A. 虛擬字型學徒可能學習效果很差
B. 虛擬字型學徒只能做圖到圖的轉換，但數位字型檔是OTF格式，中間還有一番轉換功夫

2018年10月15日星期一

網路資源蒐集 [出版發行] EP1

五個平臺出版體驗

http://www.sigono.com/ (如何靠ASO讓App商店轉換激增, 遊戲開發/發行公司)

Blogger 插入表格的最佳流程 + 自適應寬度

人工智慧好文大集合 EP1

https://free.com.tw/google-cloud-platform-free/

Cartoonify 利用 Google 神經網路將上傳的圖片轉為塗鴉手繪風格

GitHub: zi2zi project (字符到字符, Learning Chinese Character style with conditional GAN)

Knowledge Graphs and Deep Learning 102 Topics Covered in the video
1. Graph Convolutional Networks
2. Semi-supervised Learning
3. Knowledge Graphs and Ontology
4. Embedding in Knowledge Graphs
5. Adversarial Learning in Knowledge Graphs (KBGANs)

New Perspective on the Central Limit Theorem and Statistical Testing

Recurrent Net Dreams Up Fake Chinese Characters in Vector Format with TensorFlow

http://blog.otoro.net/ (日本影像處理DeepLearning專業網站)

在 Google Cloud Platform 上使用 GPU 和安裝深度學習相關套件

【自動製作音樂】利用 Jukedeck AI 製作獨一無二的背景音樂

Multilayer LSTM and Mixture Density Network for modelling path-level SVG Vector Graphics data in TensorFlow

Try Deep Learning in Python now with a fully pre-configured VM

Resources for Deep Reinforcement Learning

TensorFlow Installation Guide (Official)