前言

在1月中旬了解到了这个项目SDT，可以训练/生成自己的字体，感觉使用不错。仅仅需要投喂少量字体就可以根据字体的特点训练/生成一套你的专属字体！

虽说能够生成，但是与实际的还是有所出入，本篇文章使用了已训练好的模型进行使用。该项目还是不够成熟，还是得再接再厉

开始

要求
python 3.8
pytorch(使用GPU请根据下文内容下载) >=1.8
easydict 1.9
einops 0.4.1

SDT的配置

训练/生成模型

将SDT clone到本地之后可以自己训练模型或者下载已训练好的模型
反正我是下载已经训练好的模型到本地，感觉重新训练没什么必要
自己根据图片路径来理解文件位置吧
https://pan.baidu.com/s/1RNQSRhBAEFPe2kFXsHZfLA?pwd=xu9u

导入字体

先在白纸上写下不少于15个字，就像这样

然后再用ORC软件进行扫描，扫描时请与纸张保持平行（夸克ORC）
上传到电脑进行裁剪为差不多是正方形的图片就行，SDT会自动设置为64*64
图片放到style_samples内即可，像图片里面那样

尽量不要重命名为中文日文这类，尽量为英文或数字，不然程序会出错

这样就配置完成了！

GPU配置

pytorch的安装

前置环境

你需要根据你电脑的Driver版本来下载对于的CUDA版本
在CMD中输入nvidia-smi即可查看

通过如下网站查询对应的CUDA版本
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

再通过如下网站进入对应的CUDA下载
https://developer.nvidia.com/cuda-toolkit-archive

下载方式自选，我建议是local，毕竟network下载方式在国内不稳定

安装途中可以下载cuDNN
前往https://developer.nvidia.com/rdp/cudnn-archive查找对应CUDA版本的cuDNN

下载完成后将.zip内的内容给复制到安装CUDA的目录内

然后配置环境变量，安装CUDA时应该会自动配置变量，不用管
在Path中配置cuDNN的环境变量
红框是cuDNN的环境变量，蓝框是CUDA的环境变量（不用管）

安装pytorch

现在可以前往https://pytorch.org/get-started/locally/生成对应的pytorch命令下载pytorch了

如果没有对应的CUDA版本可以下载相近的，反正我是那么干的（12.2下载12.1的）

这样GPU运行的配置环境就完成了

开始训练/生成

现在，你已经完成了上面的GPU的配置，可以开始训练/生成了！

在根目录输入如下命令即可开始训练/生成模型

python user_generate.py --pretrained_model .\checkpoint\checkpoint-iter199999.pth --style_path .\style_samples

出现如下内容则说明开始训练/生成了，耐心等待即可

训练/生成完成应该是有6763个文件的，像我这样就是训练/生成好了的

生成字体文件

生成网站制作个人字体ttf (jumengfang.com)

使用方法格式转换之svg转ttf、dxf转ttf、图片转ttf、ttf转svg/png_哔哩哔哩_bilibili

我是直接导入png图片进行生成ttf的，转换过程是在电脑本地运行的，不是上传到服务器，所以你的cpu性能决定是转换速度

效果展示

一个是训练/生成出来的，一个是我自己实际写出来的，可以进行参考看看

常见问题

遇到如下问题是缺少了six，请用pip下载即可，反正内容相同的都是缺库
像是opencv这种库你直接pip install cv2是找不到的，是opencv-python
如果下载失败可以百度'pip下载opencv'这样看库的名字

遇到如下问题是没有正确安装CUDA或cuDNN，请确定是否下载错误CUDA或cuDNN或pytorch的版本

遇到狂草字体可以尝试将图片二值化处理
然后再进行训练/生成
可以运行以下Python脚本

//ChatGPT
from PIL import Image
import os

# 指定源文件夹路径
source_folder = r'C:\Users\yueful\Desktop\a'

# 指定目标文件夹路径
target_folder = r'D:\SDT\style_samples'

# 获取源文件夹中的所有文件
file_list = os.listdir(source_folder)

# 遍历源文件夹中的每个文件
for file_name in file_list:
    # 构建源文件的完整路径
    source_file = os.path.join(source_folder, file_name)
    
    # 构建目标文件的完整路径
    target_file = os.path.join(target_folder, file_name)
    
    # 打开图片
    image = Image.open(source_file)
    
    # 将图片转换为灰度图
    gray_image = image.convert('L')
    
    # 进行二值化处理
    threshold = 128  # 阈值，用于控制二值化的结果
    binary_image = gray_image.point(lambda x: 0 if x < threshold else 255, '1')
    
    # 保存二值化后的图片
    binary_image.save(target_file)
    
    # 关闭图片
    image.close()
    gray_image.close()
    binary_image.close()

print("图片二值化完成")

如果还不行，解决这个问题的就是重新训练SDT，微调的方法会我给整迷糊了