小新 编译自 Insight Data Blog

量子位 出品 | 公众号 QbitAI

写个网页能有多麻烦？在大多数公司里，这项工作分为三步：

1. 产品经理完成用户调研任务后，列出一系列技术要求；

2. 设计师根据这些要求来设计低保真原型，逐渐修改得到高保真原型和UI设计图；

3. 工程师将这些设计图实现为代码，最终变成用户使用的产品。

这么多环节，任何地方出一点问题，都会拉长开发周期。因此，不少公司，比如Airbnb已经开始用机器学习来提高这个过程的效率。

△ Airbnb内部的AI工具，从图纸到代码一步到位

看起来很美好，但Airbnb还没公开该模型中端到端训练的细节，以及手工设计的图像特征对该模型的贡献度。这是该公司特有的闭源解决方案专利，可能不会进行公开。

好在，一个叫Ashwin Kumar的程序员创建了一个开源版本，让开发者/设计师的工作变得更简单。

以下内容翻译自他的博客：

理想上，这个模型可以根据网站设计的简单手绘原型，很快地生成一个可用的HTML网站：

△ SketchCode模型利用手绘线框图来生成HTML网站

事实上，上面例子就是利用训练好的模型在测试集上生成的一个实际网站，代码请访问：https://github.com/ashnkumar/sketch-code。

从图像标注中获取灵感

目前要解决的问题属于一种更广泛的任务，叫做程序综合（program synthesis），即自动生成工作源代码。尽管很多程序综合研究通过自然语言规范或执行追踪法来生成代码，但在当前任务中，我会充分利用源图像，即给出的手绘线框图来展开工作。

在机器学习中有一个十分热门的研究领域，称为图像标注（image caption），目的是构建一种把图像和文本连接在一起的模型，特别是用于生成源图像内容的描述。

△ 图像标注模型生成源图像的文本描述

我从一篇pix2code论文和另一个应用这种方法的相关项目中获得灵感，决定把我的任务按照图像标注方式来实现，把绘制的网站线框图作为输入图像，并将其相应的HTML代码作为其输出内容。

注：上段提到的两个参考项目分别是

pix2code论文：https://arxiv.org/abs/1705.07962

floydhub教程：https://blog.floydhub.com/turning-design-mockups-into-code-with-deep-learning/?source=techstories.org

获取合适的数据集

确定图像标注方法后，理想中使用的训练数据集会包含成千上万对手绘线框图和对应的HTML输出代码。但是，目前还没有我想要的相关数据集，我只好为这个任务来创建数据集。

最开始，我尝试了pix2code论文给出的开源数据集，该数据集由1750张综合生成网站的截图及其相应源代码组成。

△ pix2code数据集中的生成网站图片和源代码

这是一个很好的数据集，有几个有趣的地方：

• 该数据集中的每个生成网站都包含几个简单的辅助程序元素，如按钮、文本框和DIV对象。尽管这意味着这个模型受限于将这些少数元素作为它的输出内容，但是这些元素可通过选择生成网络来修改和扩展。这种方法应该很容易地推广到更大的元素词汇表。

• 每个样本的源代码都是由领域专用语言（DSL）的令牌组成，这是该论文作者为该任务所创建的。每个令牌对应于HTML和CSS的一个片段，且加入编译器把DSL转换为运行的HTML代码。

彩色网站图像变手绘图

为了修改我的任务数据集，我要让网站图像看起来像手工绘制出的。我尝试使用Python中的OpenCV库和PIL库等工具对每张图像进行修改，包括灰度转换和轮廓检测。

最终，我决定直接修改原始网站的CSS样式表，通过执行以下操作：

1. 更改页面上元素的边框半径来平滑按钮和DIV对象的边缘；

2. 模仿绘制的草图来调整边框的粗细，并添加阴影；

3. 将原有字体更改为类似手写的字体；

最终实现的流程中还增加了一个步骤，通过添加倾斜、移动和旋转来实现图像增强，来模拟实际绘制草图中的变化。

使用图像标注模型架构

现在，我已经处理好数据集，接下来是构建模型。

我利用了图像标注中使用的模型架构，该架构由三个主要部分组成：

1. 一种使用卷积神经网络（CNN）的计算机视觉模型，从源图像提取图像特征；

2. 一种包含门控单元GRU的语言模型，对源代码令牌序列进行编码；

3. 一个解码器模型，也属于GRU单元，把前两个步骤的输出作为输入，并预测序列中的下一个令牌。

△ 以令牌序列为输入来训练模型

为了训练模型，我将源代码拆分为令牌序列。模型的输入为单个部分序列及它的源图像，其标签是文本中的下一个令牌。该模型使用交叉熵函数作为损失函数，将模型的下个预测令牌与实际的下个令牌进行比较。

在模型从头开始生成代码的过程中，该推理方式稍有不同。图像仍然通过CNN网络进行处理，但文本处理开始时仅采用一个启动序列。在每个步骤中，模型对序列中输出的下个预测令牌将会添加到当前输入序列，并作为新的输入序列送到模型中；重复此操作直到模型的预测令牌为，或该过程达到每个文本中令牌数目的预定义值。

当模型生成一组预测令牌后，编译器就会将DSL令牌转换为HTML代码，这些HTML代码可以在任何浏览器中运行。

用BLEU分数评估模型

我决定使用BLEU分数来评估模型。这是机器翻译任务中常用的一种度量标准，通过在给定相同输入的情况下，衡量机器生成的文本与人类可能产生内容的近似程度。

实际上，BLEU通过比较生成文本和参考文本的N元序列，以创建修改后的准确版本。它非常适用于这个项目，因为它会影响生成HTML代码中的实际元素，以及它们之间的相互关系。

最棒的是，我还可以通过检查生成的网站来比较当前的实际BLEU分数。

△ 观察BLEU分数

当BLEU分数为1.0时，则说明给定源图像后该模型能在正确位置设置合适的元素，而较低的BLEU分数这说明模型预测了错误元素或是把它们放在相对不合适的位置。我们最终模型在评估数据集上的BLEU分数为0.76。

福利：定制网页风格

后来，我还想到，由于该模型只生成当前页面的框架，即文本的令牌，因此我可以在编译过程中添加一个定制的CSS层，并立刻得到不同风格的生成网站。

△ 一个手绘图生成多种风格的网页

把风格定制和模型生成两个过程分开，在使用模型时带来了很多好处：

1.如果想要将SketchCode模型应用到自己公司的产品中，前端工程师可以直接使用该模型，只需更改一个CSS文件来匹配该公司的网页设计风格；

2. 该模型内置的可扩展性，即通过单一源图像，模型可以迅速编译出多种不同的预定义风格，因此用户可以设想出多种可能的网站风格，并在浏览器中浏览这些生成网页。

总结和展望

受到图像标注研究的启发，SketchCode模型能够在几秒钟内将手绘网站线框图转换为可用的HTML网站。

但是，该模型还存在一些问题，这也是我接下来可能的工作方向：

1. 由于这个模型只使用了16个元素进行训练，所以它不能预测这些数据以外的令牌。下一步方向可能是使用更多元素来生成更多的网站样本，包括网站图片，下拉菜单和窗体，可参考启动程序组件（https://getbootstrap.com/docs/4.0/components/buttons/）来获得思路；

2. 在实际网站构建中，存在很多变化。创建一个能更好反映这种变化的训练集，是提高生成效果的一种好方法，可以通过获取更多网站的HTML/CSS代码以及内容截图来提高；

3. 手绘图纸也存在很多CSS修改技巧无法捕捉到的变化。解决这个问题的一种好方法是使用生成对抗网络GAN来创建更逼真的绘制网站图像。

相关地址

代码：https://github.com/ashnkumar/sketch-code

原文：https://blog.insightdatascience.com/automated-front-end-development-using-deep-learning-3169dd086e82

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

TML常用代码之：修改页面的实用性HTML代码

贴图：<img src="图片地址">

加入连接：<a href="所要连接的相关地址">写上你想写的字</a>

在新窗口打开连接：<a href="相关地址" target="_blank">写上要写的字</a>

移动字体(走马灯)：<marquee>写上你想写的字</marquee>

字体加粗：<b>写上你想写的字</b>

字体斜体：<i>写上你想写的字</i>

字体下划线: <u>写上你想写的字</u>

字体删除线: <s>写上你想写的字</s>

字体加大: <big>写上你想写的字</big>

字体控制大小：<h1>写上你想写的字</h1> (其中字体大小可从h1-h5,h1最大，h5最小)

更改字体颜色：<font color="#value">写上你想写的字</font>(其中value值在000000与ffffff(16位进制)之间

消除连接的下划线：<a href="相关地址" style="text-decoration:none">写上你想写的字</a>

贴音乐：<embed src="音乐地址" width="宽度" height="高度" autostart=false>

贴flash: <embed src="flash地址" width="宽度" height="高度">

贴影视文件：<img dynsrc="文件地址" width="宽度" height="高度" start=mouseover>

换行：<br>

段落：<p>段落</p>

原始文字样式：<pre>正文</pre>

换帖子背景：<body background="背景图片地址">

固定帖子背景不随滚动条滚动：<body background="背景图片地址" body bgproperties=fixed>

定制帖子背景颜色：<body bgcolor="#value">(value值见10)

帖子背景音乐：<bgsound="背景音乐地址" loop=infinite>

贴网页：<iframe. src="相关地址" width="宽度" height="高度"></iframe>

、CSS的起源

当web开发还是一项新技术的时候，无论定义网页内容还是定义网页样式，都是使用的HTML语言，HTML的内容和样式没有区分开，如古老的HTML样式：

<H3 COLOR=RED><CENTER>样式</CENTER></H3>

其中color表示颜色，center让文字居中，不是目前规范的书写形式，而且旧的HTML标签都是大写的，web开发人员还需要来回切换大小写，所以很多人认识到了这种开发方式并不理想。

Web开发人员想开发一种新的语言，把表示样式的代码从HTML中分离出来，并且创建一种规则来定义HTML标签要显示成什么样子，这门语言叫做CSS，CSS是用来描述HTML标签应该如何显示的一个代码。如：

<h3>样式</h3> 

用CSS可以让h3标签显示成绿色，让h3字体在大一点，让h3有一个下划线，可以统一字体的显示样式等。

二、CSS的工作方式

CSS的全称叫做 Cascading Style Sheets 级联样式表，CSS的工作方式依赖于"选择器"可以选择HTML标签，并且修改这些标签的样子。

选择器的类型有：

1、类型选择器：不带尖括号的标签名，最简单的选择器

定义了一个P标签，如果想在CSS中选择这个标签，首先写上字母P，然后选择要定的属性如text-decoration，并设置这个属性的属性值为underline下划线，在浏览器中这个段落就会显示下划线。

使用选择器的时候我们必须要遵守选择器的特殊语法规则：

选择器名字后面是一个开始的大括号，属性和属性值中间是冒号，属性值后面是分号，这里面任何一部分都不能丢掉，否则CSS无法正常工作，并且要注意标点符号全部是英文半角的，最后在所有的属性列表后面是一个结束的大括号，大括号的作用就是可以在里面写很多属性，如图：

显示结果为带下划线的红色字体段落：

在CSS中使用标签名选择标签的时候，类型选择器会作用在所有同名标签中。所以这里只定义额一CSS样式，它会作用在所有的P标签中。

2、派生选择器

可以让CSS标签作用在很小的范围内，如下图，只让CSS作用在li标签中，所以选择ul标签中的li标签即可。

3、伪类选择器

1）在原有选择器的基础上添加一个限定条件，当某种情况发生时在选择这个标签。如下图，首先定义个a的类型选择器，让页面中所有的超链接下划线都不显示，然后通过派生选择器控制鼠标的动作，当鼠标移上去的时候，超链接文字显示下划线并显示为深蓝色。

这条规则只有当鼠标放到超链接上停留的时候才会被应用，因此当某种情况发生时候伪类选择器才会被应用在某个标签上。

a的伪类选择器一共有四种：

:link 未被访问的链接的样式；和a标签相同时，并且同时存在的时候会覆盖a标签

:hover 鼠标移动到超链接上的时候

:active 选择器用于活动链接，被选定的超链接。

:visited 已被访问的超链接，

注释：在 CSS 定义中，:hover 必须位于 :link 和 :visited 之后（如果存在的话），这样样式才能生效。

2）使用伪类选择器缩小选择范围

:first-child 缩小标签的选择范围，如图：

如果一个标签后面还接了一个子标签，在子标签后面冒号：first-child，说明这里只选择了子标签中的第一个标签，可以看到浏览器中有序列表中的第一个li子元素"北京"颜色为紫色。

三、CSS样式表放在什么地方

在head标签中添加style子标签，在style标签里写一个属性type="text/css"，这样浏览器就知道当页面显示出来的时候，需要把style中的CSS代码应用到HTML中，因此可以在style标签中创建CSS规则。

每天进步一点点，跟着教头学开发。