
Neuronte 2 发布:用小型神经网络代替字体文件渲染字符
来源标题:Show HN: Neuronte – small neural nets as a font
Neuronte 2 将字体本身做成小型神经网络的权重,不含字体文件、字形表或位图图集。该仓库体积 47 MB,仅包含 C 库和每个任务一个打包网络,只需 C 编译器和 make 即可构建。项目提供 make demo 及 neuronte-say 命令行工具,可按 3 到 32 像素渲染常规、粗体和斜体字符。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Neuronte 是一款由小型神经网络构成的字体。你给它一个字符,它就把这个字符的像素写入你提供的缓冲区。它背后没有字体文件、没有字形表,也没有位图图集。权重就是字体。
这个仓库是 Neuronte 2,精简版:C 库,加上每个任务一个打包好的网络,仅此而已。总共 47 MB。完整项目包含训练代码、每一代网络及其背后的测量数据,是 Neuronte 0.1.x。
这里的每个网络都是 Neuronte 0.1.2 的一个文件,按原字节、原名复制而来。这个库就是 0.1.2 的源码,只在 2.1.0 中新增了一个文件 src/bits.c,用来把已缓存的字母排成一行文本。
左为 Neuronte 2,右为经 FreeType 渲染的 DejaVu Sans,均放大两倍。Neuronte 2 与 DejaVu Sans 一文解释了二者的差异。
它只需要一个 C 编译器和 make,别的都不需要。
git clone https://github.com/itsmygithubacct/neuronte-v2 cd neuronte-v2 make demo
make demo 会构建这个库,并用桌面字体在你的终端里画出四行文字。然后你可以自己画:
./build/neuronte-say -s 14 "Hello from a neural net" ./build/neuronte-say -s 24 -b "Bold" # -i 为斜体,3 至 32 px ./build/neuronte-say -s 64 -o big.pgm "Big" # 同时写出图像
1 到 32 的尺寸使用该尺寸自己的网络;更大的尺寸使用可缩放的那个网络。源码在 demo/neuronte-say.c,约一百行,展示了文本接口的全貌。
任务 文件 深入阅读 终端文本:ASCII、带变音的拉丁字母、希腊文、俄文、符号、制表与方块字符、盲文 neuronte-split-v8.nrt split-v8 桌面文本,1 至 32 px,正体 neuronte-ui1-v1.nrt 至 neuronte-ui32-v1.nrt faces 桌面文本,3 至 32 px,斜体 neuronte-ui3-italic-v1.nrt 至 neuronte-ui32-italic-v1.nrt faces 桌面文本,大于 32 px neuronte-ui-large-v0.nrt README,0.1.x 300 个彩色 emoji neuronte-emoji-v1.nrt emoji-v1 167 个彩色图标 neuronte-icon-v2.nrt icon-v2 Kilix 火焰 neuronte-flame-v1.nrt flame-v1 一个鼠标指针 neuronte-pointer-v1.nrt pointer-v1 终端里的视频 neuronte-video-masks-v0.nrt 视频播放器
FILES.md 列出了每个文件及其大小、校验和,以及 Neuronte 0.1.1 中承担同一任务的文件。
BENCHMARKS.md 记录了一个桌面分别用这套字体、用 Neuronte 0.1.1 的字体、以及用经 FreeType 渲染的 DejaVu Sans 绘制的耗时。某个尺寸的字母一旦被缓存,11 px 下渲染一个字符串,Neuronte 2.1 用时 62 至 75 µs,而 DejaVu 为 193 至 261 µs;在测过的每个尺寸上,直到 48 px,Neuronte 都领先。
Neuronte 2 与 DejaVu Sans 一文解释了二者的差异:各自是什么、屏幕上最终呈现什么、速度、体积、覆盖范围,以及各自做不到的事。
它需要一个 C 编译器和 make。测试还需要带 NumPy 的 Python 3。
make # 构建 build/libneuronte.so 和 build/libneuronte.a make demo # 在终端里画出四行文本 make test # 检查每个随附文件
make test 做四件事。它校验每个校验和。它用像素循环核对打包后的文本掩码调用。它按各尺寸绘制每个桌面字体(正体和粗体),并把每个字母与 font/ 中该字体的绘制结果比较:一个字体最多允许 2 个错误像素,数字上不允许有错误像素,每个步进宽度必须精确。目前每个字体都是 0。它还针对一组固定字符,把每个网络的像素与这套字体裁定时记录在 tests/golden.json 中的值进行比较。
整个接口就是 include/neuronte.h,每个文件都以同一个调用开头。
#include "neuronte.h" neuronte font; if (neuronte_open_file("weights/neuronte-split-v8.nrt", &font) != NEURONTE_OK) return 1; / pixels: row-major 0xAARRGGBB, stride in pixels. A 16 x 32 cell at x, y. */ neuronte_draw_utf8(font, pixels, stride, width, height, x, y, 16, 32, "Hello", 5, 0xFFFFFFFF); neuronte_close(font);
桌面文本按行绘制,每个字母用自己的宽度。打开所需尺寸的字体,并按该尺寸绘制:
neuronte face; neuronte_open_file("weights/neuronte-ui14-v1.nrt", &face); neuronte_set_binary(face, 1); / crisp pixels, as the face was drawn / int w = neuronte_text_width(face, "Hello", 5, 0 / bold /, 14); neuronte_draw_text(face, pixels, stride, width, height, x, y, 14, 0 / bold */, "Hello", 5, 0xFFFFFFFF); neuronte_close(face);
如果程序要反复绘制同样的小段文本(就像桌面那样),可以在网络绘制过一次之后把每个字母的像素缓存下来,再用 neuronte_bits_pack() 和 neuronte_bits_compose() 把缓存字母排成行;此后不再运行网络。效果见 BENCHMARKS.md。
一个句柄会缓存它绘制过的单元,因此再次绘制同一字符就是一次复制。不要在无锁的情况下跨线程共享同一个句柄。0.1.x README 的 Use 一节涵盖了彩色文件、调色板和主题、只计算覆盖范围而不绘制,以及从内存加载权重。
每个网络是一个小型多层感知机。它一次被询问字符单元中的一个点,并回答该点距离墨迹有多远。库对每个像素都询问它,并把答案转成覆盖度。由于网络回答的是点而不是像素,同一套权重可以绘制任意尺寸的单元。
一个大网络包办一切会很慢,所以这里的文件是许多小网络的集合。一张表把每个字符送到专门为它训练的那个小网络,只运行那个网络。这就是为什么这套字体在相同像素下比 Neuronte 0.1.1 快好几倍。更多细节:
1 到 32 px 的每个尺寸都有自己的网络,因为每个尺寸都是各自手工设计的像素图案,而不是同一个形状缩放而来。一个网络精确复现它的尺寸;没有网络会绘制另一个尺寸的图案。32 px 以上,由一个网络 neuronte-ui-large-v0 以平滑边缘绘制任意尺寸。
这些字体分四组制作,每组都有一份卡片,给出配方、验收规则和组内每个字体的实测速度:
桌面还需要知道一个字体在其单元中的位置,以及每个字母的宽度。font/ui-tops.json 给出前者,每个 font/ui-EM.txt 保存该尺寸的步进宽度和像素。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。