在来日的三年内，深度进修将转变前端开觉察状——它会提升原形安排的速率，并将低沉软件开采的门坎。
继旧年TonyBeltramelli和Airbnb推出了pix2code和ketch2code的论文以后，这个畛域就最先腾飞。目前主动化前端开采的最大瓶颈是筹划才力，然则经过深度进修算法以及归纳的锻炼数据集，咱们已然也许最先探究人为前端主动化。
本文咱们将经过锻炼一个神经网络，使它也许直接将网页的安排原形图变换成根本的HTML和CSS网页。
下列是这个锻炼经过的扼要总结：
1）将网页安排图导入到锻炼后的神经网络中
2）HTML标识
）展现成绩
“咱们将建立三个版本的神经网络”
在第一个版本，咱们将实行一个最低限度版本，熟悉动态这部份的诀窍。
HTML版本侧重于全经过主动化，而且会表明各个神经网络层。结尾Bootstrap版中，咱们会建立基于LSTM的模子。
这篇文章里的模子都因此Beltramelli的pix2code论文和Brownlee的图象标注教程。这篇文章的代码用Python和Keras(基于TensorFlow)实行的。
假如你仍是个深度进修畛域的新手，那我倡导你先熟悉一下Python,反向传布算法和卷积神经网络。我以前的三篇文章也许扶助你最先熟悉。
中枢逻辑
让咱们从头回头一下咱们的方向：咱们想要建立一个也许将网页截图变换成响应HTML/CSS代码的神经网络。
咱们供应应神经网络网页截图和相对应的HTML代码来锻炼它。.它一一展望般配的HTML标签来进修。当它要展望下一个标签时，会收到网页截图及对应的完好标签，直到下一个标签最先。google表格供应了一个简洁的锻炼数据的例子建立一个逐词展望模子是目前最罕见的法子。自然尚有其余的法子(