整合營銷服務商
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
小新 編譯自 Insight Data Blog
量子位 出品 | 公眾號 QbitAI
寫個網頁能有多麻煩？在大多數公司里，這項工作分為三步：
1. 產品經理完成用戶調研任務后，列出一系列技術要求；
2. 設計師根據這些要求來設計低保真原型，逐漸修改得到高保真原型和UI設計圖；
3. 工程師將這些設計圖實現為代碼，最終變成用戶使用的產品。
這么多環節，任何地方出一點問題，都會拉長開發周期。因此，不少公司，比如Airbnb已經開始用機器學習來提高這個過程的效率。
△ Airbnb內部的AI工具，從圖紙到代碼一步到位
看起來很美好，但Airbnb還沒公開該模型中端到端訓練的細節，以及手工設計的圖像特征對該模型的貢獻度。這是該公司特有的閉源解決方案專利，可能不會進行公開。
好在，一個叫Ashwin Kumar的程序員創建了一個開源版本，讓開發者/設計師的工作變得更簡單。
以下內容翻譯自他的博客：
理想上，這個模型可以根據網站設計的簡單手繪原型，很快地生成一個可用的HTML網站：
△ SketchCode模型利用手繪線框圖來生成HTML網站
事實上，上面例子就是利用訓練好的模型在測試集上生成的一個實際網站，代碼請訪問：https://github.com/ashnkumar/sketch-code。
目前要解決的問題屬于一種更廣泛的任務，叫做程序綜合（program synthesis），即自動生成工作源代碼。盡管很多程序綜合研究通過自然語言規范或執行追蹤法來生成代碼，但在當前任務中，我會充分利用源圖像，即給出的手繪線框圖來展開工作。
在機器學習中有一個十分熱門的研究領域，稱為圖像標注（image caption），目的是構建一種把圖像和文本連接在一起的模型，特別是用于生成源圖像內容的描述。
△ 圖像標注模型生成源圖像的文本描述
我從一篇pix2code論文和另一個應用這種方法的相關項目中獲得靈感，決定把我的任務按照圖像標注方式來實現，把繪制的網站線框圖作為輸入圖像，并將其相應的HTML代碼作為其輸出內容。
注：上段提到的兩個參考項目分別是
pix2code論文：https://arxiv.org/abs/1705.07962
floydhub教程：https://blog.floydhub.com/turning-design-mockups-into-code-with-deep-learning/?source=techstories.org
確定圖像標注方法后，理想中使用的訓練數據集會包含成千上萬對手繪線框圖和對應的HTML輸出代碼。但是，目前還沒有我想要的相關數據集，我只好為這個任務來創建數據集。
最開始，我嘗試了pix2code論文給出的開源數據集，該數據集由1750張綜合生成網站的截圖及其相應源代碼組成。
△ pix2code數據集中的生成網站圖片和源代碼
這是一個很好的數據集，有幾個有趣的地方：
該數據集中的每個生成網站都包含幾個簡單的輔助程序元素，如按鈕、文本框和DIV對象。盡管這意味著這個模型受限于將這些少數元素作為它的輸出內容，但是這些元素可通過選擇生成網絡來修改和擴展。這種方法應該很容易地推廣到更大的元素詞匯表。
每個樣本的源代碼都是由領域專用語言（DSL）的令牌組成，這是該論文作者為該任務所創建的。每個令牌對應于HTML和CSS的一個片段，且加入編譯器把DSL轉換為運行的HTML代碼。
為了修改我的任務數據集，我要讓網站圖像看起來像手工繪制出的。我嘗試使用Python中的OpenCV庫和PIL庫等工具對每張圖像進行修改，包括灰度轉換和輪廓檢測。
最終，我決定直接修改原始網站的CSS樣式表，通過執行以下操作：
1. 更改頁面上元素的邊框半徑來平滑按鈕和DIV對象的邊緣；
2. 模仿繪制的草圖來調整邊框的粗細，并添加陰影；
3. 將原有字體更改為類似手寫的字體；
最終實現的流程中還增加了一個步驟，通過添加傾斜、移動和旋轉來實現圖像增強，來模擬實際繪制草圖中的變化。
現在，我已經處理好數據集，接下來是構建模型。
我利用了圖像標注中使用的模型架構，該架構由三個主要部分組成：
1. 一種使用卷積神經網絡（CNN）的計算機視覺模型，從源圖像提取圖像特征；
2. 一種包含門控單元GRU的語言模型，對源代碼令牌序列進行編碼；
3. 一個解碼器模型，也屬于GRU單元，把前兩個步驟的輸出作為輸入，并預測序列中的下一個令牌。
△ 以令牌序列為輸入來訓練模型
為了訓練模型，我將源代碼拆分為令牌序列。模型的輸入為單個部分序列及它的源圖像，其標簽是文本中的下一個令牌。該模型使用交叉熵函數作為損失函數，將模型的下個預測令牌與實際的下個令牌進行比較。
在模型從頭開始生成代碼的過程中，該推理方式稍有不同。圖像仍然通過CNN網絡進行處理，但文本處理開始時僅采用一個啟動序列。在每個步驟中，模型對序列中輸出的下個預測令牌將會添加到當前輸入序列，并作為新的輸入序列送到模型中；重復此操作直到模型的預測令牌為，或該過程達到每個文本中令牌數目的預定義值。
當模型生成一組預測令牌后，編譯器就會將DSL令牌轉換為HTML代碼，這些HTML代碼可以在任何瀏覽器中運行。
我決定使用BLEU分數來評估模型。這是機器翻譯任務中常用的一種度量標準，通過在給定相同輸入的情況下，衡量機器生成的文本與人類可能產生內容的近似程度。
實際上，BLEU通過比較生成文本和參考文本的N元序列，以創建修改后的準確版本。它非常適用于這個項目，因為它會影響生成HTML代碼中的實際元素，以及它們之間的相互關系。
最棒的是，我還可以通過檢查生成的網站來比較當前的實際BLEU分數。
△ 觀察BLEU分數
當BLEU分數為1.0時，則說明給定源圖像后該模型能在正確位置設置合適的元素，而較低的BLEU分數這說明模型預測了錯誤元素或是把它們放在相對不合適的位置。我們最終模型在評估數據集上的BLEU分數為0.76。
后來，我還想到，由于該模型只生成當前頁面的框架，即文本的令牌，因此我可以在編譯過程中添加一個定制的CSS層，并立刻得到不同風格的生成網站。
△ 一個手繪圖生成多種風格的網頁
把風格定制和模型生成兩個過程分開，在使用模型時帶來了很多好處：
1.如果想要將SketchCode模型應用到自己公司的產品中，前端工程師可以直接使用該模型，只需更改一個CSS文件來匹配該公司的網頁設計風格；
2. 該模型內置的可擴展性，即通過單一源圖像，模型可以迅速編譯出多種不同的預定義風格，因此用戶可以設想出多種可能的網站風格，并在瀏覽器中瀏覽這些生成網頁。
受到圖像標注研究的啟發，SketchCode模型能夠在幾秒鐘內將手繪網站線框圖轉換為可用的HTML網站。
但是，該模型還存在一些問題，這也是我接下來可能的工作方向：
1. 由于這個模型只使用了16個元素進行訓練，所以它不能預測這些數據以外的令牌。下一步方向可能是使用更多元素來生成更多的網站樣本，包括網站圖片，下拉菜單和窗體，可參考啟動程序組件（https://getbootstrap.com/docs/4.0/components/buttons/）來獲得思路；
2. 在實際網站構建中，存在很多變化。創建一個能更好反映這種變化的訓練集，是提高生成效果的一種好方法，可以通過獲取更多網站的HTML/CSS代碼以及內容截圖來提高；
3. 手繪圖紙也存在很多CSS修改技巧無法捕捉到的變化。解決這個問題的一種好方法是使用生成對抗網絡GAN來創建更逼真的繪制網站圖像。
代碼：https://github.com/ashnkumar/sketch-code
原文：https://blog.insightdatascience.com/automated-front-end-development-using-deep-learning-3169dd086e82
— 完 —
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
?'?' ? 追蹤AI技術和產品新動態
自程序員之手的 JavaScript 代碼，該如何變成計算機所能理解的機器語言呢？本文將帶你走進 JavaScript 引擎內部，一探究竟。
作者 | Lydia Hallie
譯者 | 彎月，責編 | 屠敏
以下為譯文：
JavaScript 很酷（這一點不用我說），但一臺機器究竟是怎樣理解我們編寫的代碼呢？作為JavaScript 開發者，我們通常不需要處理編譯器的東西。但是，了解 JavaScript 引擎的基礎知識，知道它如何將人類能看懂的JS代碼變成機器能理解的東西，是絕對是有好處的！
注意：這篇文章主要根據 Node.js 和基于 Chromium 的瀏覽器使用的V8引擎撰寫。
當HTML解析器遇到代碼中的script標簽時，就會從網絡、緩存或者已安裝的service worker里加載源代碼。這一步的結果就是腳本內容，以字節流的形式返回，這個字節流需要解碼器來處理！字節流解碼器會在字節流下載的時候進行解碼。
字節流解碼器根據流中的字節數據來創建符號（token）。例如，0066解碼成f，0075解碼成u，006e解碼成n，0063解碼成c，0074解碼成t，0069解碼成i，006f解碼成o，006e解碼成n，然后是一個空格。似乎你寫了一個function！這是JavaScript的保留關鍵字，因此就會創建一個符號，然后發給解析器（以及預解析器，我的GIF圖里沒有說，但我會稍后解釋）。字節流中的其余內容也會類似處理。
引擎有兩個解析器：一個是預解析器（pre-parser），另一個是解析器（parser）。預解析器只負責盡早檢查符號，找出其中的語法錯誤。這樣可以減少在代碼中發現錯誤所需的時間。否則這些錯誤就要由解析器負責發現了！
如果沒有錯誤，解析器就會根據它從字節流解碼器收到的符號創建節點，然后使用這些節點創建一顆抽象語法樹，簡稱AST。
接下來就是解釋器（interpreter）出場了！解釋器會遍歷整個AST，根據AST的內容生成字節碼。字節碼生成完成后，就會刪除AST以釋放更多的內存。這樣就得到了機器能夠運行的代碼！
雖然字節碼很快，但它還可以更快。字節碼在運行的時候會生成信息。它可以檢測到哪些行為會更頻繁發生，哪些類型的數據會更經常被使用。如果某個函數被調用了許多次，那么就可以通過優化加快速度！
字節碼會連同生成的類型反饋一起發送到優化編譯器（optimizing compiler）。優化編譯器會處理負責處理字節碼和類型反饋，然后生成高度優化過的機器碼。
JavaScript 是一個動態類型語言，這意味著數據類型經常會變化。如果 JavaScript 引擎每次都必須檢查值的類型，那就會非常慢。
然而，JavaScript 的引擎使用了一種叫做內聯緩存（inline caching）的方法。它會在內存中緩存代碼，期待著以后會用同樣的行為返回同樣的值！比如，一個函數被調用100次，到目前為止每次都返回同樣的值。那么引擎就會假設該函數在第101次調用時依然會返回同樣的值。
我們假設有一個函數sum，到目前為止每次調用都使用兩個數值作為參數：
上面的調用會返回3！下次被調用時，引擎就會假設我們依然會用兩個數值進行調用。
如果這個假設正確，那就不需要進行動態查找，可以直接使用內存中保存的值。否則，如果假設錯誤，就會進行反優化，將代碼從優化過的機器碼恢復成原始的字節碼。
例如，假設下次調用時傳遞了一個字符串而不是數值。由于 JavaScript 是動態類型，這樣做不會產生任何錯誤！
這意味著數字2會被強制轉換成字符串，然后函數會返回字符串"12"。因此引擎會去執行字節碼，然后更新類型反饋。
希望這篇文章對你有幫助性！當然，引擎還有許多其他方面我沒有討論到（如JS heap，call stack等），也許以后會討論！如果你對JavaScript的內部原理有興趣，我強烈建議你自己做一些研究，V8是開源的，關于其工作原理的文檔也非常好！
原文：https://dev.to/lydiahallie/javascript-visualized-the-javascript-engine-4cdf
本文為 CSDN 翻譯，轉載請注明來源出處。
【End】
【成就一億技術人】各位擼代碼的大佬們，CSDN重磅推出升級版原力計劃。只要是原創，只要你首發，現在，都擁有上首頁的幸運可能。我們衷心地希望，這一代程序員網紅就是你，詳情戳海報~~
avaScript 程序不能獨立運行，它需要被嵌入 HTML 中，然后瀏覽器才能執行 JavaScript 代碼。通過 <script> 標簽將 JavaScript 代碼引入到 HTML 中，有兩種方式：
1.內部方式
內部方式是通過<script>標簽包裹JavaScript代碼,從而引入HTML頁面中，示例代碼如下：
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>JavaScript 基礎 - 引入方式</title>
</head>
<body>
<!-- 內聯形式：通過 script 標簽包裹 JavaScript 代碼 -->
<script>
alert('嗨，歡迎來傳智播學習前端技術！')
</script>
</body>
</html>2.外部形式
一般將 JavaScript 代碼寫在獨立的以 .js 結尾的文件中，然后通過 <script>標簽的 <src>屬性引入，示例代碼如下：
// demo.js
document.write('嗨，歡迎來傳智播學習前端技術！')<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>JavaScript 基礎 - 引入方式</title>
</head>
<body>
<!-- 外部形式：通過 script 的 src 屬性引入獨立的 .js 文件 -->
<script src="demo.js"></script>
</body>
</html>注意：如果 script 標簽使用 src 屬性引入了某 .js 文件，那么 標簽的代碼會被忽略！！！如下代碼所示：
*請認真填寫需求信息，我們會在24小時內與您取得聯系。
