手写体生成

使用 TensorFlow 中的循环神经网络实现手写体生成。基于 Alex Graves 的论文（https://arxiv.org/abs/1308.0850）。

如何训练模型并生成手写体

1. 下载数据集

首先需要下载数据集。这要求您在 此页面 的“Download”部分注册。注册后，您可以下载 data/original-xml-part.tar.gz。将其解压到仓库目录中。

2. 预处理数据集

python preprocess.py

该脚本会在本地目录中查找包含手写数据的 xml 文件，并进行一些预处理操作，例如数据归一化和将笔画拆分为行。最终会生成一个包含预处理后数据集的 data 目录。

3. 训练模型

python train.py

这将使用默认设置启动训练（如需实验，请查看 argparse 参数）。默认情况下，它会创建一个 summary 目录，其中每个运行都会有一个单独的 experiment 子目录。如果您想恢复训练，请提供要继续的实验路径，例如：

python train.py --restore=summary\experiment-0

您可以在命令行或通过 TensorBoard 查看损失曲线。示例损失曲线如下：

使用默认设置，训练大约耗时 5 小时（TensorFlow 1.2，配备 GTX 1080 显卡）。

4. 生成手写体！

python generate.py --model=path_to_model

当模型训练完成后，您可以使用 generate.py 脚本来测试其效果。如果不提供 --text 参数，该脚本会循环询问您要生成的内容。

生成时的附加选项：

• --bias（浮点数）——较高的偏置会使生成的手写体更加“清晰”，具体解释请参阅论文。
• --noinfo——仅显示生成的手写体，不显示注意力窗口。
• --animation——书写过程的动画。
• --style——手写风格，取值为 0 到 7 的整数（此功能由 @kristofbc 添加，您可以在 imgs 文件夹中查看每种风格的效果）。

示例

python generate.py --noinfo --text="this was generated by computer" --bias=1.

python generate.py --noinfo --animation --text="example of animation " --bias=1.

欢迎提出任何反馈 :smile:

Handwriting Generation 快速上手指南

本项目基于 TensorFlow 和循环神经网络（RNN），复现了 Alex Graves 论文中的手写体生成算法。以下是针对中国开发者的快速入门流程。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：推荐 Python 3.6+ (原文基于 TensorFlow 1.2 测试，建议使用兼容 TF 1.x 或已适配 TF 2.x 的环境)
• 核心依赖：
  • TensorFlow (建议 GPU 版本以加速训练，如 GTX 1080 及以上)
  • NumPy
  • Matplotlib
• 硬件建议：训练过程较为耗时，强烈建议使用 NVIDIA GPU。在无 GPU 环境下训练可能需要数倍时间。

提示：国内用户安装依赖时，推荐使用清华或阿里镜像源加速： pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装与数据准备

1. 获取数据集

本项目依赖 IAM On-Line Handwriting Database。

1. 访问 官方注册页面 完成注册。
2. 在 "Download" 部分下载 data/original-xml-part.tar.gz。
3. 将下载的文件解压到项目根目录下。

2. 数据预处理

运行以下脚本对原始 XML 数据进行归一化和笔画分割处理，生成模型所需的 data 目录：

python preprocess.py

基本使用

1. 训练模型

使用默认配置启动训练。训练完成后，结果将保存在 summary 目录下的实验子文件夹中。

python train.py

• 恢复训练：若需从中断处继续，指定实验路径：

  python train.py --restore=summary\experiment-0
  

• 监控：可通过命令行查看损失值，或使用 TensorBoard 可视化训练过程。
• 耗时参考：在 GTX 1080 + TensorFlow 1.2 环境下，默认设置约需 5 小时。

2. 生成手写体

模型训练完毕后，使用 generate.py 进行生成测试。不指定文本时，脚本会进入交互模式询问输入内容。

最简示例（生成指定文本，关闭注意力窗口显示）：

python generate.py --noinfo --text="this was generated by computer" --bias=1.

常用参数说明：

• --model：指定训练好的模型路径。
• --text：要生成的文本内容。
• --bias：浮点数。值越高，生成的字迹越“清晰”（参考原论文）。
• --noinfo：仅输出生成图像，不绘制注意力窗口。
• --animation：生成书写过程的动画 GIF。
• --style：手写风格索引（0-7 整数），不同数字对应不同笔迹风格。

生成动画示例：

python generate.py --noinfo --animation --text="example of animation " --bias=1.