# <font class="h2">**字到字 zi2zi**</font>
<style>
.h1 {
background: linear-gradient(135deg,#fff,#73BF00) ;
color: #BF0060;
display:block;
padding: 6px 5px;
border-radius: 4px;
}
.h2 {
background: linear-gradient(180deg,#fff 50%,#73BF00) ;
color: #467500;
display:block;
padding: 6px 5px;
border-radius: 8px;
border-bottom: 3px solid #467500;
}
</style>
[TOC]
## zi2zi: Master Chinese Calligraphy with Conditional Adversarial Networks
- **WEB**
https://kaonashi-tyc.github.io/2017/04/06/zi2zi.html
- **官方** 
https://github.com/kaonashi-tyc/zi2zi
- **修正後** 
https://github.com/chiaoooo/zi2zi_tensorflow
```
生成環境指令：
conda env export --name <env_name> > environment.yml
開啟環境指令：
conda env create -f environment.yml
```
**V100 環境建立長這樣：**
## 使用 Anaconda Prompt (Anaconda3)
#### Requirements
```
* Python = 3.7
* CUDA
* cudnn
* Tensorflow = 1.14.0
* Pillow
* numpy
* scipy = 1.2.1
* imageio = 2.9.0
```
#### 建議使用虛擬環境
！！！電腦要有 <font color="hotpink">**NVIDIA GPU**</font>！！！
```
conda create --name zi2zi python=3.7
conda activate zi2zi
conda install tensorflow-gpu==1.14.0
git clone https://github.com/Circle472/zi2zi_tensorflow.git
cd zi2zi_tensorflow
```
#### 測試 tensorflow-gpu
```
>python
>>>import tensorflow as tf
>>>tf.test.is_gpu_available()
```
---
<br>
### 前置選項1：製作 charset，自己指定你想生成的字
將要 train 的字放入 train.txt
將要 val 的字放入 val.txt
* 做 train 的 json 檔
```
python m1_json_train.py.py
```
* 做 val 的 json 檔
```
python m2_json_val.py
```
* 合併兩個 json 檔
```
python m3_merge_json.py.py
```
**執行完會得到 cjk.json 就代表成功！**
要自己替換掉原本的 charset/cjk.json
### 前置選項2：製作 charset，自己指定你想生成的字
將要 train 的字放入 train.txt
* 做 train 的 json 檔
```
python m1_json_train.py.py
```
* 自動生成 big5-train （取差集） val 的 json 檔
```
python bigfive_val.py
```
* 做 val 的 json 檔
```
python m2_json_val.py
```
* 合併兩個 json 檔
```
python m3_merge_json.py.py
```
**執行完會得到 cjk.json 就代表成功！**
要自己替換掉原本的 charset/cjk.json
---
<br>
<h2 style="color:green;">程式執行</h2>
### 建立環境
使用下面指令可以直接生成環境！！！！！
```
conda env create -f environment.yml
```
建立 sample 資料夾
```
mkdir image_train
mkdir image_val
```
*--srcfont: 來源字體路徑位置
--dstfont: 目標字體路徑位置
--charset: 要讀取的字集 e.g. CN、CNT、JP、KR、<font color=red>TWTrain</font>、<font color=red>TWVal</font>
--samplecount:取幾張圖訓練（數字）
--sampledir:圖片存放位置（對應 package.py 的 --dir）
--label: 類別編號，在<font color=red>同模型訓練多字體</font>時需更換，ex: 2、3...
--shuffle: 是否重新排序字集中文字的排序 e.g. 0: false, 1: true*
這裡設定<font color=hotpink>**來源字體為源樣黑體，目標字體為 CircleFont，訓練字數 1000 字**</font>。
```
python font2img.py --src_font=font/GenYoGothicTW-EL-01.ttf --dst_font=font/CircleFont.ttf --charset=TWTrain --sample_count=1000 --sample_dir=image_train --label=1 --filter=1 --shuffle=1
python font2img.py --src_font=font/GenYoGothicTW-EL-01.ttf --dst_font=font/CircleFont.ttf --charset=TWVal --sample_count=670 --sample_dir=image_val --label=1 --filter=1 --shuffle=0
```
## 建立訓練、驗證資料 object
**得到 train.obj 和 val.obj 在 save_dir 資料夾**
得到 train.obj
save_dir 預設 `experiment/data`
```
python package.py --dir=image_train --save_dir=experiment/data --split_ratio=0.1
```
得到 val.obj 會在最後驗證步驟 infer.py 用到
（這裡 --save_dir 與 infer.py 的 --source_obj 相同）
```
python package.py --dir=image_val --save_dir=experiment/data/val --split_ratio=1
```
## TRAIN
*--experimentdir: 訓練要存的資料夾（已存在），會在內建立 checkpoint、log、sample 資料夾
--experimentid: 模型編號（數字）
--batchsize: 設定 1 epoch ? batch（數字）*
```
python train.py --experiment_dir=experiment --experiment_id=1 --batch_size=16 --lr=0.001 --epoch=1000 --sample_steps=50 --schedule=20 --L1_penalty=100 --Lconst_penalty=15
```
## 推論結果 INFER
*--modeldir: 訓練後的 checkpoint 資料夾
--batchsize: 圖片中的文字列數
--experimentids: 對應 font2img 的 --label 數字（預設 1 代表要推論出 label=1 的驗證資料集）*
```
python infer.py --model_dir=experiment/checkpoint/experiment_1_batch_16 --batch_size=1 --source_obj=experiment/data/val/val.obj --embedding_ids=1 --save_dir=experiment/infer_1
```
<p style="color:green;font-weight:bold;">如果要推論沒訓練過的字（沒看過的字）:</p>
把46-56行改成下面這樣
```
def draw_example(ch, src_font, dst_font, canvas_size, x_offset, y_offset, filter_hashes):
dst_img = draw_single_char(ch, dst_font, canvas_size, x_offset, y_offset)
# check the filter example in the hashes or not
dst_hash = hash(dst_img.tobytes())
if dst_hash in filter_hashes:
src_img = draw_single_char(ch, src_font, canvas_size, x_offset, y_offset)
example_img = Image.new("RGB", (canvas_size * 2, canvas_size), (255, 255, 255))
example_img.paste(src_img, (canvas_size, 0))
return example_img
src_img = draw_single_char(ch, src_font, canvas_size, x_offset, y_offset)
example_img = Image.new("RGB", (canvas_size * 2, canvas_size), (255, 255, 255))
example_img.paste(dst_img, (0, 0))
example_img.paste(src_img, (canvas_size, 0))
return example_img
```
並重新執行
* python font2img.py --src_font=font/GenYoGothicTW-EL-01.ttf --dst_font=font/CircleFont.ttf --charset=TWVal --sample_count=670 --sample_dir=image_val --label=1 --filter=1 --shuffle=0
* python package.py --dir=image_val --save_dir=experiment/data/val --split_ratio=1
:::warning
[點我進入打包字體教學！](https://hackmd.io/@h93YMTP_SrK5XODkOdtuKg/Sk20ATBMp)
:::
Google Drive
Gist
Clipboard
Sign in with Wallet
