ΠΠ°ΠΊ Π»Π΅Π³ΠΊΠΎ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ ΡΡΠΈΡΡΡ Π½Π° Android
ΠΡΡΡ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΎ ΡΠΏΠΎΡΠΎΠ±ΠΎΠ² ΠΎΠΏΡΠ΅Π΄Π΅Π»ΠΈΡΡ ΡΡΠΈΡΡΡ Π½Π° Android, ΠΎΠ΄Π½ΠΈΠΌ ΠΈΠ· Π»ΡΡΡΠΈΡ ΡΠ²Π»ΡΠ΅ΡΡΡ ΠΠ°ΠΊΠΎΠΉ ΡΡΠΈΡΡ Π Π°ΡΡΠΈΡΠ΅Π½ΠΈΠ΅ Chrome. ΠΠ½ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ ΠΎΠ±Π½Π°ΡΡΠΆΠΈΠ²Π°ΡΡ Π»ΡΠ±ΠΎΠΉ ΡΡΠΈΡΡ Π² ΠΠ½ΡΠ΅ΡΠ½Π΅ΡΠ΅ ΠΎΠ΄Π½ΠΈΠΌ ΠΊΠ°ΡΠ°Π½ΠΈΠ΅ΠΌ. ΠΠΎ ΡΡΠΎ Π΄Π΅Π»Π°ΡΡ, Π΅ΡΠ»ΠΈ Π²Ρ Π½Π°ΡΠΊΠ½Π΅ΡΠ΅ΡΡ Π½Π° ΡΡΠΈΡΡ Π½Π° ΡΠ²ΠΎΠ΅ΠΌ ΡΠ΅Π»Π΅ΡΠΎΠ½Π΅? ΠΠ΅ Π²ΠΎΠ»Π½ΡΠΉΡΡ, Π΅ΡΡΡ Π²ΡΡ ΠΎΠ΄. ΠΠΎΡ ΠΊΠ°ΠΊ Π»Π΅Π³ΠΊΠΎ ΠΈΠ΄Π΅Π½ΡΠΈΡΠΈΡΠΈΡΠΎΠ²Π°ΡΡ ΡΡΠΈΡΡΡ Π½Π° Android.
ΠΡΠΎΡΡΠΈΡΠ΅, ΠΊΠ°ΠΊ Π·Π°ΠΏΠΈΡΡΠ²Π°ΡΡ Π·Π²ΡΠΊ Π² Chrome Π½Π° ΠΠ ΠΈ Mac
ΠΠ°ΠΊ Π»Π΅Π³ΠΊΠΎ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ ΡΡΠΈΡΡΡ Π½Π° Android?
ΠΠ»Ρ Android ΠΌΡ ΡΠΎΠ±ΠΈΡΠ°Π΅ΠΌΡΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ ΠΏΠΎΠ΄ Π½Π°Π·Π²Π°Π½ΠΈΠ΅ΠΌ ΠΠ°ΠΉΠ΄ΠΈ ΠΌΠΎΠΉ ΡΡΠΈΡΡ. Π£ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ ΠΎΡΠ΅Π½Ρ ΠΏΡΠΎΡΡΠΎΠΉ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»ΡΡΠΊΠΈΠΉ ΠΈΠ½ΡΠ΅ΡΡΠ΅ΠΉΡ, ΠΎΠ΄Π½Π°ΠΊΠΎ ΠΎΠ½ΠΎ ΡΠΏΠΎΡΠΎΠ±Π½ΠΎ ΡΠΎΡΠ½ΠΎ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ ΡΡΠΈΡΡΡ Π·Π° Π²ΡΠ΅ΠΌΡ, ΠΊΠΎΡΠΎΡΠΎΠ΅ Ρ Π΅Π³ΠΎ ΡΠ΅ΡΡΠΈΡΠΎΠ²Π°Π». ΠΡΠ°ΠΊ, ΠΏΠΎΡΠΌΠΎΡΡΠΈΠΌ, ΠΊΠ°ΠΊ ΡΡΠΎ Π΄Π΅Π»Π°Π΅ΡΡΡ.
ΠΡΠΎΠ³ΡΠ°ΠΌΠΌΡ Π΄Π»Ρ Windows, ΠΌΠΎΠ±ΠΈΠ»ΡΠ½ΡΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ, ΠΈΠ³ΡΡ — ΠΠ‘Π ΠΠΠ‘ΠΠΠΠ’ΠΠ,Β Π² Π½Π°ΡΠ΅ΠΌ Π·Π°ΠΊΡΡΡΠΎΠΌ ΡΠ΅Π»Π΅Π³ΡΠ°ΠΌΠΌ ΠΊΠ°Π½Π°Π»Π΅ — ΠΠΎΠ΄ΠΏΠΈΡΡΠ²Π°ΠΉΡΠ΅ΡΡ:)
ΠΠΎ-ΠΏΠ΅ΡΠ²ΡΡ , Π²Ρ ΡΠΎΠ±ΠΈΡΠ°Π΅ΡΠ΅ΡΡ ΠΎΡΠΊΡΡΡΡ Google Play Store ΠΈ Π²ΡΠΏΠΎΠ»Π½ΠΈΡΡ ΠΏΠΎΠΈΡΠΊ Find my Font Π² Π²Π΅ΡΡ Π½Π΅ΠΉ ΡΡΡΠΎΠΊΠ΅ ΠΏΠΎΠΈΡΠΊΠ°. Π’Π΅ΠΏΠ΅ΡΡ Π²ΡΠ±Π΅ΡΠΈΡΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅, ΠΊΠ°ΠΊ ΠΏΠΎΠΊΠ°Π·Π°Π½ΠΎ Π½ΠΈΠΆΠ΅, ΠΈΠ»ΠΈ Π²Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ ΠΎΡΠΊΡΡΡΡ ΡΡΠ° ΡΡΡΠ»ΠΊΠ° Π΅ΡΠ»ΠΈ Π²Ρ Π½Π° ΡΠ΅Π»Π΅ΡΠΎΠ½Π΅, ΡΡΠΎΠ±Ρ ΠΎΡΠΊΡΡΡΡ Π΅Π³ΠΎ Π½Π°ΠΏΡΡΠΌΡΡ. ΠΠ°ΡΠ΅ΠΌ Π½Π°ΠΆΠΌΠΈΡΠ΅ Β«Π£ΡΡΠ°Π½ΠΎΠ²ΠΈΡΡΒ», ΡΡΠΎΠ±Ρ Π·Π°Π³ΡΡΠ·ΠΈΡΡ ΠΈ ΡΡΡΠ°Π½ΠΎΠ²ΠΈΡΡ Π°Π²ΡΠΎΠΌΠ°ΡΠΈΡΠ΅ΡΠΊΠΈ.
ΠΠΎΠ³Π΄Π° Π²Ρ Π·Π°ΠΊΠΎΠ½ΡΠΈΡΠ΅, ΠΎΡΠΊΡΠΎΠΉΡΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅, ΡΡΠΎΠ±Ρ Π²Ρ ΠΌΠΎΠ³Π»ΠΈ ΠΎΠ·Π½Π°ΠΊΠΎΠΌΠΈΡΡΡΡ Ρ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»ΡΡΠΊΠΈΠΌ ΠΈΠ½ΡΠ΅ΡΡΠ΅ΠΉΡΠΎΠΌ. ΠΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ ΠΈΠΌΠ΅Π΅Ρ ΠΎΡΠ΅Π½Ρ ΠΏΡΠΎΡΡΠΎΠΉ ΠΈΠ½ΡΠ΅ΡΡΠ΅ΠΉΡ ΠΈ Π΄Π²Π° ΡΠΏΠΎΡΠΎΠ±Π° ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΡ ΡΡΠΈΡΡΠΎΠ² Π½Π° ΡΠ΅Π»Π΅ΡΠΎΠ½Π΅. ΠΠ΅ΡΠ²ΡΠΉ ΡΠΏΠΎΡΠΎΠ± β ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΏΠ΅ΡΠ΅Π΄Π½ΡΡ ΠΊΠ°ΠΌΠ΅ΡΡ Π΄Π»Ρ ΠΏΠΎΠΈΡΠΊΠ° ΡΡΠΈΡΡΠΎΠ² Π²ΠΎΠΊΡΡΠ³ Π²Π°Ρ. ΠΡ ΠΌΠΎΠΆΠ΅ΡΠ΅ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ Π΅Π³ΠΎ Π΄Π»Ρ ΠΆΡΡΠ½Π°Π»Π°, Π»ΡΠ±ΠΈΠΌΠΎΠΉ ΠΊΠ½ΠΈΠ³ΠΈ ΠΈ Π΄ΡΡΠ³ΠΈΡ Π²Π΅ΡΠ΅ΠΉ, ΠΊΠΎΡΠΎΡΡΠ΅ ΠΈΠΌΠ΅ΡΡ Π»ΡΠ±ΠΎΠΉ ΡΠ΅ΠΊΡΡ.
ΠΡΠΎΡΠΎΠΉ β ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΡΠ½ΠΈΠΌΠΎΠΊ ΡΠΊΡΠ°Π½Π° Π΄Π»Ρ ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΡ ΡΡΠΈΡΡΠ°, ΠΊΠΎΡΠΎΡΡΠΉ ΠΌΡ ΡΠΎΠ±ΠΈΡΠ°Π΅ΠΌΡΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ. ΠΡΠΎΡ ΠΌΠ΅ΡΠΎΠ΄ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ Π²Π°ΠΌ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ ΡΡΠΈΡΡΡ Π½Π° Π»ΡΠ±ΠΎΠΌ Π²Π΅Π±-ΡΠ°ΠΉΡΠ΅, Π² ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠΈ ΠΈΠ»ΠΈ Π΄Π°ΠΆΠ΅ Π² ΠΈΠ³ΡΠ°Ρ Π½Π° Π²Π°ΡΠ΅ΠΌ ΡΠ΅Π»Π΅ΡΠΎΠ½Π΅.
ΠΠ»Ρ ΡΡΠΎΠ³ΠΎ ΠΌΠ΅ΡΠΎΠ΄Π° Π½Π°ΠΆΠΌΠΈΡΠ΅ Π½Π° Π·Π½Π°ΡΠΎΠΊ Π³Π°Π»Π΅ΡΠ΅ΠΈ, ΠΊΠ°ΠΊ ΠΏΠΎΠΊΠ°Π·Π°Π½ΠΎ Π½Π° ΡΠΈΡΡΠ½ΠΊΠ΅ Π½ΠΈΠΆΠ΅, Π½Π° Π³Π»Π°Π²Π½ΠΎΠΉ ΡΡΡΠ°Π½ΠΈΡΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ. ΠΠ°ΡΠ΅ΠΌ ΠΏΡΠΎΡΠΌΠΎΡΡΠΈΡΠ΅ ΡΠ²ΠΎΡ Π³Π°Π»Π΅ΡΠ΅Ρ ΠΈ ΠΎΡΠΊΡΠΎΠΉΡΠ΅ ΡΠ½ΠΈΠΌΠΎΠΊ ΡΠΊΡΠ°Π½Π°, ΠΊΠΎΡΠΎΡΡΠΉ Ρ ΠΎΡΠΈΡΠ΅ ΠΈΠ΄Π΅Π½ΡΠΈΡΠΈΡΠΈΡΠΎΠ²Π°ΡΡ.
ΠΡ ΠΏΠΎΠ»ΡΡΠΈΡΠ΅ ΠΏΡΡΠΌΠΎΡΠ³ΠΎΠ»ΡΠ½ΠΎΠ΅ Π½Π°Π»ΠΎΠΆΠ΅Π½ΠΈΠ΅ Ρ Π²ΡΡΠ°Π²Π½ΠΈΠ²Π°Π½ΠΈΠ΅ΠΌ ΡΠ΅ΠΊΡΡΠ°. ΠΠ΅ΡΠ΅ΠΌΠ΅ΡΡΠΈΡΠ΅ / ΠΏΠΎΠ²Π΅ΡΠ½ΠΈΡΠ΅ ΡΠ΅Π»Π΅ΡΠΎΠ½ ΠΈ ΠΏΠΎΠΏΡΡΠ°ΠΉΡΠ΅ΡΡ ΡΠΌΠ΅ΡΡΠΈΡΡ ΡΠ΅ΠΊΡΡ Π½Π° ΡΡΠΎΠΌ ΠΎΠ²Π΅ΡΠ»Π΅Π΅ (ΠΏΡΡΠΌΠΎΡΠ³ΠΎΠ»ΡΠ½ΠΎΠ΅ Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΠ΅). ΠΠΎΠ³Π΄Π° Π²Ρ Π·Π°ΠΊΠΎΠ½ΡΠΈΡΠ΅, Π½Π°ΠΆΠΌΠΈΡΠ΅ Π½Π° Π±ΡΠΊΠ²Ρ (ΡΠΈΠ½ΠΈΠ΅) ΠΈ Π²ΡΠ±Π΅ΡΠΈΡΠ΅ ΡΠ°ΠΌΡΠΉ ΡΠ΅ΡΠΊΠΈΠΉ ΡΠ΅ΠΊΡΡ (Ρ ΠΎΠ±ΡΡΠ½ΠΎ Π²ΡΠ±ΠΈΡΠ°Ρ Π²ΡΠ΅ Π΄Π»Ρ Π»ΡΡΡΠ΅Π³ΠΎ ΠΏΡΠ΅Π΄ΡΠΊΠ°Π·Π°Π½ΠΈΡ). ΠΠΎΡΠ»Π΅ ΡΠΎΠ³ΠΎ, ΠΊΠ°ΠΊ Π²Ρ ΡΠ΄Π΅Π»Π°Π΅ΡΠ΅ Π²ΡΠ±ΠΎΡ, Π²Ρ ΡΠΌΠΎΠΆΠ΅ΡΠ΅ ΡΠ²ΠΈΠ΄Π΅ΡΡ Π΅Π³ΠΎ Π² Π²Π΅ΡΡ Π½Π΅ΠΌ Π±Π΅Π»ΠΎΠΌ ΠΏΠΎΠ»Π΅ Ρ ΠΌΠ°ΠΊΡΠΈΠΌΠ°Π»ΡΠ½ΡΠΌ Π²ΡΠ±ΠΎΡΠΎΠΌ ΡΠ΅ΠΌΠΈ ΡΠ»ΠΎΠ². ΠΠ°ΠΆΠΌΠΈΡΠ΅ Π½Π° ΡΡΡΠ΅Π»ΠΊΡ Π²ΠΏΡΠ°Π²ΠΎ, ΡΡΠΎΠ±Ρ ΡΠ·Π½Π°ΡΡ Π±ΠΎΠ»ΡΡΠ΅.
Π£ Π²Π°Ρ ΡΠ°ΠΊΠΆΠ΅ Π΅ΡΡΡ Π½Π°Π±ΠΎΡ Π΄ΠΎΠΏΠΎΠ»Π½ΠΈΡΠ΅Π»ΡΠ½ΡΡ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½ΡΠΎΠ² Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ, ΡΠ°ΠΊΠΈΡ ΠΊΠ°ΠΊ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ ΡΠΎΠ½Π° Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ, ΠΏΠΎΠ²ΠΎΡΠΎΡ, Π½Π°ΡΡΡΠΎΠΉΠΊΠ° ΠΎΠ±Π»Π°ΡΡΠΈ Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ, ΡΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ, Π΅ΡΠ»ΠΈ ΡΠ΅ΠΊΡΡ ΡΠ°Π·Π±ΡΠΎΡΠ°Π½, ΠΈ Ρ. Π.
ΠΡΠΎ ΠΏΠΎΡΠ»Π΅Π΄Π½ΠΈΠΉ ΡΠ°Π³, Π½Π° ΠΊΠΎΡΠΎΡΠΎΠΌ Π²Ρ Π½Π°ΠΉΠ΄Π΅ΡΠ΅ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΡ ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²ΠΈΡ ΡΡΠΈΡΡΡ. ΠΠΎ ΠΏΠ΅ΡΠ΅Π΄ ΡΡΠΈΠΌ Π²Π°ΠΌ ΡΠ°ΠΊΠΆΠ΅ Π½Π΅ΠΎΠ±Ρ ΠΎΠ΄ΠΈΠΌΠΎ Π²Π²Π΅ΡΡΠΈ ΡΠ΅ΠΊΡΡ, ΠΊΠΎΡΠΎΡΡΠΉ Π²Ρ Ρ ΠΎΡΠΈΡΠ΅ ΡΠΎΠΏΠΎΡΡΠ°Π²ΠΈΡΡ (ΡΠ°ΠΊ ΠΆΠ΅, ΠΊΠ°ΠΊ Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΠ΅), ΠΏΡΠ΅Π΄Π²Π°ΡΠΈΡΠ΅Π»ΡΠ½ΡΠΉ ΠΏΡΠΎΡΠΌΠΎΡΡ ΡΠ΅ΠΊΡΡΠ° (ΡΠ΅ΠΊΡΡ, ΠΊΠΎΡΠΎΡΡΠΉ Π²Ρ Ρ ΠΎΡΠΈΡΠ΅ ΠΏΡΠΎΡΠΌΠΎΡΡΠ΅ΡΡ Ρ ΡΠ΅ΠΌ ΠΆΠ΅ ΡΡΠΈΡΡΠΎΠΌ) ΠΈ ΡΠΈΠ»ΡΡΡ ΠΏΠΎΠΈΡΠΊΠ°, ΠΊΠΎΡΠΎΡΡΠΉ Π²Ρ Π΄ΠΎΠ»ΠΆΠ½Ρ ΠΎΡΡΠ°Π²ΠΈΡΡ ΠΊΠ°ΠΊ Π΅ΡΡΡ.
ΠΠ΅ΡΠ²ΡΠΉ ΠΌΠ΅ΡΠΎΠ΄ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅Ρ Π²Π°ΡΡ ΠΊΠ°ΠΌΠ΅ΡΡ, ΠΊΠΎΡΠΎΡΠ°Ρ ΡΠ°ΠΊΠΆΠ΅ Π΄ΠΎΡΡΡΠΏΠ½Π° Ρ Π΄ΠΎΠΌΠ°ΡΠ½Π΅ΠΉ ΡΡΡΠ°Π½ΠΈΡΡ ΠΈ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅Ρ ΡΠΎΡ ΠΆΠ΅ ΠΏΡΠΎΡΠ΅ΡΡ.
ΠΠ°ΠΊ ΡΠΎΠ»ΡΠΊΠΎ Π²Ρ Π²Π²Π΅Π΄Π΅ΡΠ΅ Π΄Π°Π½Π½ΡΠ΅, Π²Ρ Π°Π²ΡΠΎΠΌΠ°ΡΠΈΡΠ΅ΡΠΊΠΈ ΠΏΠΎΠ»ΡΡΠΈΡΠ΅ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΎ ΡΡΠΈΡΡΠΎΠ², ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²ΡΡΡΠΈΡ ΡΡΠΈΠ»Ρ.
ΠΡΠΎΠ±Π΅Π½Π½ΠΎΡΡΠΈ
- ΠΠ°Π·Π° ΡΡΠΈΡΡΠΎΠ² 150K
- 30 Π±Π΅ΡΠΏΠ»Π°ΡΠ½ΡΡ ΠΏΡΠΎΠ³Π½ΠΎΠ·ΠΎΠ²
- 2 ΠΠ΅ΡΠΏΠ»Π°ΡΠ½ΡΠΉ Π·Π°ΠΏΡΠΎΡ. ΠΊΠ°ΠΆΠ΄ΡΠ΅ 48 ΡΠ°ΡΠΎΠ²
- ΠΠ΅Π·Π»ΠΈΠΌΠΈΡΠ½ΡΠ΅ Π·Π°ΠΏΡΠΎΡΡ Π·Π° 9 Π΄ΠΎΠ»Π»Π°ΡΠΎΠ²
ΠΠΎΠ»ΡΡΠΈΡΡ ΠΠ°ΠΉΠ΄ΠΈ ΠΌΠΎΠΉ ΡΡΠΈΡΡ
ΠΠ°ΠΊΠ»ΡΡΠΈΡΠ΅Π»ΡΠ½ΡΠ΅ Π·Π°ΠΌΠ΅ΡΠ°Π½ΠΈΡ
ΠΠΎΡ ΠΊΠ°ΠΊ Π²Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ Π»Π΅Π³ΠΊΠΎ ΠΈΠ΄Π΅Π½ΡΠΈΡΠΈΡΠΈΡΠΎΠ²Π°ΡΡ ΡΡΠΈΡΡΡ Π½Π° Android. ΠΡΠΎ ΠΎΡΠ»ΠΈΡΠ½ΠΎΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅, ΠΎΡΠ΅Π½Ρ ΡΠΎΡΠ½ΠΎΠ΅. ΠΡΠ»ΠΈ Π²Ρ Π³ΡΠ°ΡΠΈΡΠ΅ΡΠΊΠΈΠΉ Π΄ΠΈΠ·Π°ΠΉΠ½Π΅Ρ, ΠΈΠ»Π»ΡΡΡΡΠ°ΡΠΎΡ, Π²ΡΠ±Π΅ΡΠΈΡΠ΅ ΠΏΡΠ΅ΠΌΠΈΡΠΌ-Π²Π΅ΡΡΠΈΡ, ΠΊΠΎΡΠΎΡΠ°Ρ ΠΏΡΠΈΠ³ΠΎΠ΄ΠΈΡΡΡ Ρ Π½Π΅ΠΎΠ³ΡΠ°Π½ΠΈΡΠ΅Π½Π½ΡΠΌΠΈ ΠΏΡΠ΅Π΄ΡΠΊΠ°Π·Π°Π½ΠΈΡΠΌΠΈ. ΠΡΠΎΠΌΠ΅ ΡΠΎΠ³ΠΎ, Π΅ΡΠ»ΠΈ ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ ΡΡΠΈΡΡΠΎΠ² Π½Π΅ ΡΠ²Π»ΡΠ΅ΡΡΡ ΡΠ°ΡΡΡΡ Π²Π°ΡΠ΅Π³ΠΎ ΠΏΡΠΎΡΠΈΠ»Ρ ΡΠ°Π±ΠΎΡΡ, Π±Π΅ΡΠΏΠ»Π°ΡΠ½ΠΎΠΉ Π²Π΅ΡΡΠΈΠΈ Π±ΡΠ΄Π΅Ρ Π±ΠΎΠ»Π΅Π΅ ΡΠ΅ΠΌ Π΄ΠΎΡΡΠ°ΡΠΎΡΠ½ΠΎ.
Π’Π°ΠΊΠΆΠ΅ ΠΏΡΠΎΡΡΠΈΡΠ΅, ΠΊΠ°ΠΊ ΠΎΡΡΠ»Π΅ΠΆΠΈΠ²Π°ΡΡ ΡΠ΅Π½Ρ ΠΏΡΠΎΠ΄ΡΠΊΡΠ° Π΄Π»Ρ Amazon Mobile
ΠΡΠΎΠ³ΡΠ°ΠΌΠΌΡ Π΄Π»Ρ Windows, ΠΌΠΎΠ±ΠΈΠ»ΡΠ½ΡΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ, ΠΈΠ³ΡΡ — ΠΠ‘Π ΠΠΠ‘ΠΠΠΠ’ΠΠ,Β Π² Π½Π°ΡΠ΅ΠΌ Π·Π°ΠΊΡΡΡΠΎΠΌ ΡΠ΅Π»Π΅Π³ΡΠ°ΠΌΠΌ ΠΊΠ°Π½Π°Π»Π΅ — ΠΠΎΠ΄ΠΏΠΈΡΡΠ²Π°ΠΉΡΠ΅ΡΡ:)
ΠΠ°ΠΊ Π»Π΅Π³ΠΊΠΎ ΡΠ°ΡΠΏΠΎΠ·Π½Π°Π²Π°ΡΡ ΡΡΠΈΡΡΡ Π½Π° Android
ΠΡΡΡ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΎ ΡΠΏΠΎΡΠΎΠ±ΠΎΠ² ΠΎΠΏΡΠ΅Π΄Π΅Π»ΠΈΡΡ Π’ΠΈΠΏ ΡΡΠΈΡΡΠ° Π² Π±ΡΠ°ΡΠ·Π΅ΡΠ΅, ΠΈ Π»ΡΡΡΠΈΠΉ ΠΈΠ· Π½ΠΈΡ — Π½Π°Π΄ΡΡΡΠΎΠΉΠΊΠ° ΠΠ°ΠΊΠΎΠΉ ΡΡΠΈΡΡ Π΄Π»Ρ Chrome. ΠΡΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ ΠΎΠ΄Π½ΠΈΠΌ ΡΠ΅Π»ΡΠΊΠΎΠΌ ΠΌΡΡΠΈ Π½Π°Ρ ΠΎΠ΄ΠΈΡΡ Π»ΡΠ±ΠΎΠΉ ΡΡΠΈΡΡ Π² ΠΠ½ΡΠ΅ΡΠ½Π΅ΡΠ΅. ΠΠΎ ΡΡΠΎ Π΄Π΅Π»Π°ΡΡ, Π΅ΡΠ»ΠΈ Π²ΠΎ Π²ΡΠ΅ΠΌΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΡ ΡΠ΅Π»Π΅ΡΠΎΠ½Π° Π²Ρ Π½Π°ΠΉΠ΄Π΅ΡΠ΅ ΡΡΠΈΡΡ, ΠΊΠΎΡΠΎΡΡΠΉ Π²Π°ΠΌ Π½ΡΠ°Π²ΠΈΡΡΡ? ΠΠ΅ Π²ΠΎΠ»Π½ΡΠΉΡΠ΅ΡΡ, Π΅ΡΡΡ ΡΠΏΠΎΡΠΎΠ± ΡΠΏΠ°ΡΡΠΈ Π²Π°Ρ. ΠΠΎΡ ΠΊΠ°ΠΊ Π»Π΅Π³ΠΊΠΎ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ ΡΡΠΈΡΡΡ Π½Π° Android.
ΠΠ°ΠΊ Π»Π΅Π³ΠΊΠΎ ΡΠ°ΡΠΏΠΎΠ·Π½Π°Π²Π°ΡΡ ΡΡΠΈΡΡΡ Π½Π° Android?
ΠΠ»Ρ Android ΠΌΡ Π±ΡΠ΄Π΅ΠΌ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ ΠΏΠΎΠ΄ Π½Π°Π·Π²Π°Π½ΠΈΠ΅ΠΌ ΠΠ°ΠΉΠ΄ΠΈ ΠΌΠΎΠΉ ΡΡΠΈΡΡ. ΠΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ ΠΈΠΌΠ΅Π΅Ρ ΠΎΡΠ΅Π½Ρ ΠΏΡΠΎΡΡΠΎΠΉ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»ΡΡΠΊΠΈΠΉ ΠΈΠ½ΡΠ΅ΡΡΠ΅ΠΉΡ, ΠΎΠ΄Π½Π°ΠΊΠΎ Π·Π° ΡΠΎ Π²ΡΠ΅ΠΌΡ, ΠΊΠΎΠ³Π΄Π° Ρ Π΅Π³ΠΎ ΡΠ΅ΡΡΠΈΡΠΎΠ²Π°Π», ΠΎΠ½ΠΎ ΡΠΌΠΎΠ³Π»ΠΎ ΡΠΎΡΠ½ΠΎ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ ΡΡΠΈΡΡΡ. ΠΡΠ°ΠΊ, ΠΏΠΎΡΠΌΠΎΡΡΠΈΠΌ, ΠΊΠ°ΠΊ ΡΡΠΎ Π΄Π΅Π»Π°Π΅ΡΡΡ.
Π‘Π½Π°ΡΠ°Π»Π° Π²Ρ ΠΎΡΠΊΡΠΎΠ΅ΡΠ΅ Google Play Store ΠΈ Π²ΡΠΏΠΎΠ»Π½ΠΈΡΠ΅ ΠΏΠΎΠΈΡΠΊ Find my Font, ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΡ Π²Π΅ΡΡ Π½ΡΡ ΠΏΠ°Π½Π΅Π»Ρ ΠΏΠΎΠΈΡΠΊΠ°. Π’Π΅ΠΏΠ΅ΡΡ Π²ΡΠ±Π΅ΡΠΈΡΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅, ΠΊΠ°ΠΊ ΠΏΠΎΠΊΠ°Π·Π°Π½ΠΎ Π½ΠΈΠΆΠ΅, ΠΈΠ»ΠΈ Π²Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ ΠΎΡΠΊΡΡΡΡ ΡΡΠ° ΡΡΡΠ»ΠΊΠ° ΠΡΠ»ΠΈ Π²Ρ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΡΠ΅ ΡΠ²ΠΎΠΉ ΡΠ΅Π»Π΅ΡΠΎΠ½, ΡΡΠΎΠ±Ρ ΡΠ°Π·Π±Π»ΠΎΠΊΠΈΡΠΎΠ²Π°ΡΡ Π΅Π³ΠΎ Π½Π°ΠΏΡΡΠΌΡΡ. ΠΠ°ΡΠ΅ΠΌ Π½Π°ΠΆΠΌΠΈΡΠ΅ Π£ΡΡΠ°Π½ΠΎΠ²ΠΊΠ° ΡΡΠΎΠ±Ρ Π·Π°Π³ΡΡΠ·ΠΈΡΡ ΠΈ ΡΡΡΠ°Π½ΠΎΠ²ΠΈΡΡ Π΅Π³ΠΎ Π°Π²ΡΠΎΠΌΠ°ΡΠΈΡΠ΅ΡΠΊΠΈ.
ΠΠΎΡΠ»Π΅ ΡΡΠΎΠ³ΠΎ ΠΎΡΠΊΡΠΎΠΉΡΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅, ΡΡΠΎΠ±Ρ ΠΎΠ·Π½Π°ΠΊΠΎΠΌΠΈΡΡΡΡ Ρ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»ΡΡΠΊΠΈΠΌ ΠΈΠ½ΡΠ΅ΡΡΠ΅ΠΉΡΠΎΠΌ. ΠΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ ΠΈΠΌΠ΅Π΅Ρ ΠΎΡΠ΅Π½Ρ ΠΏΡΠΎΡΡΠΎΠΉ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»ΡΡΠΊΠΈΠΉ ΠΈΠ½ΡΠ΅ΡΡΠ΅ΠΉΡ ΠΈ Π΄Π²Π° ΡΠΏΠΎΡΠΎΠ±Π° ΡΠ°ΡΠΏΠΎΠ·Π½Π°Π²Π°Π½ΠΈΡ ΡΡΠΈΡΡΠΎΠ² Ρ ΠΏΠΎΠΌΠΎΡΡΡ ΡΠ΅Π»Π΅ΡΠΎΠ½Π°. ΠΠ΅ΡΠ²ΡΠΉ ΡΠΏΠΎΡΠΎΠ± — ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΏΠ΅ΡΠ΅Π΄Π½ΡΡ ΠΊΠ°ΠΌΠ΅ΡΡ, ΡΡΠΎΠ±Ρ Π½Π°ΠΉΡΠΈ Π»ΠΈΠ½ΠΈΠΈ Π²ΠΎΠΊΡΡΠ³ Π²Π°Ρ. ΠΡ ΠΌΠΎΠΆΠ΅ΡΠ΅ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ Π΅Π³ΠΎ Π΄Π»Ρ ΡΠ²ΠΎΠ΅Π³ΠΎ ΠΆΡΡΠ½Π°Π»Π°, Π»ΡΠ±ΠΈΠΌΠΎΠΉ ΠΊΠ½ΠΈΠ³ΠΈ ΠΈ Π΄ΡΡΠ³ΠΈΡ Π²Π΅ΡΠ΅ΠΉ Ρ Π»ΡΠ±ΡΠΌ ΡΠΈΠΏΠΎΠΌ ΡΠ΅ΠΊΡΡΠ°.
ΠΡΠΎΡΠΎΠΉ — ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΡΠ½ΠΈΠΌΠΎΠΊ ΡΠΊΡΠ°Π½Π°, ΡΡΠΎΠ±Ρ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΠΈΡΡ, ΠΊΠ°ΠΊΠΎΠΉ ΡΡΠΈΡΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΡΡΡ. ΠΡΠΎΡ ΠΌΠ΅ΡΠΎΠ΄ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ Π²Π°ΠΌ Π²ΡΠ±ΠΈΡΠ°ΡΡ ΡΡΠΈΡΡΡ Π½Π° Π»ΡΠ±ΠΎΠΌ Π²Π΅Π±-ΡΠ°ΠΉΡΠ΅, Π² ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠΈ ΠΈΠ»ΠΈ Π΄Π°ΠΆΠ΅ Π² ΠΈΠ³ΡΠ°Ρ Π½Π° Π²Π°ΡΠ΅ΠΌ ΡΠ΅Π»Π΅ΡΠΎΠ½Π΅.
Π§ΡΠΎΠ±Ρ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΡΡΠΎΡ ΠΌΠ΅ΡΠΎΠ΄, ΡΠ΅Π»ΠΊΠ½ΠΈΡΠ΅ Π·Π½Π°ΡΠΎΠΊ Π³Π°Π»Π΅ΡΠ΅ΠΈ, ΠΊΠ°ΠΊ ΠΏΠΎΠΊΠ°Π·Π°Π½ΠΎ Π½Π° ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠΈ Π½ΠΈΠΆΠ΅, Π½Π° Π³Π»Π°Π²Π½ΠΎΠΉ ΡΡΡΠ°Π½ΠΈΡΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ. ΠΠ°ΡΠ΅ΠΌ ΠΏΡΠΎΡΠΌΠΎΡΡΠΈΡΠ΅ ΡΠ²ΠΎΡ Π³Π°Π»Π΅ΡΠ΅Ρ ΠΈ ΠΎΡΠΊΡΠΎΠΉΡΠ΅ ΡΠ½ΠΈΠΌΠΎΠΊ ΡΠΊΡΠ°Π½Π°, Π½Π° ΠΊΠΎΡΠΎΡΠΎΠΌ Π²Ρ Ρ ΠΎΡΠΈΡΠ΅ Π²ΡΠ±ΡΠ°ΡΡ ΡΠΈΠΏ ΠΎΡΠΎΠ±ΡΠ°ΠΆΠ°Π΅ΠΌΠΎΠ³ΠΎ ΡΡΠΈΡΡΠ°.
ΠΡ ΠΏΠΎΠ»ΡΡΠΈΡΠ΅ ΠΏΡΡΠΌΠΎΡΠ³ΠΎΠ»ΡΠ½ΠΎΠ΅ Π½Π°Π»ΠΎΠΆΠ΅Π½ΠΈΠ΅ Π²ΡΡΠ°Π²Π½ΠΈΠ²Π°Π½ΠΈΡ ΡΠ΅ΠΊΡΡΠ°. ΠΠ΅ΡΠ΅ΠΌΠ΅ΡΡΠΈΡΠ΅ / ΠΏΠΎΠ²Π΅ΡΠ½ΠΈΡΠ΅ ΡΠ΅Π»Π΅ΡΠΎΠ½ ΠΈ ΠΏΠΎΠΏΡΠΎΠ±ΡΠΉΡΠ΅ ΡΠΌΠ΅ΡΡΠΈΡΡ ΡΠ΅ΠΊΡΡ Π½Π° ΡΡΠΎΠΌ ΠΎΠ²Π΅ΡΠ»Π΅Π΅ (Π²ΡΠ±Π΅ΡΠΈΡΠ΅ ΠΏΡΡΠΌΠΎΡΠ³ΠΎΠ»ΡΠ½ΠΈΠΊ). ΠΠΎΠ³Π΄Π° Π·Π°ΠΊΠΎΠ½ΡΠΈΡΠ΅, Π½Π°ΠΆΠΌΠΈΡΠ΅ Π½Π° Π±ΡΠΊΠ²Ρ (ΡΠΈΠ½ΠΈΠ΅) ΠΈ Π²ΡΠ±Π΅ΡΠΈΡΠ΅ Π½Π°ΠΈΠ±ΠΎΠ»Π΅Π΅ Π·Π°ΠΌΠ΅ΡΠ½ΡΠΉ ΡΠ΅ΠΊΡΡ (Ρ ΠΎΠ±ΡΡΠ½ΠΎ Π²ΡΠ±ΠΈΡΠ°Ρ Π²ΡΠ΅ Π΄Π»Ρ Π»ΡΡΡΠ΅Π³ΠΎ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΠ°). Π‘Π΄Π΅Π»Π°Π² Π²ΡΠ±ΠΎΡ, Π²Ρ ΡΠΌΠΎΠΆΠ΅ΡΠ΅ ΡΠ²ΠΈΠ΄Π΅ΡΡ Π΅Π³ΠΎ Π² Π²Π΅ΡΡ Π½Π΅ΠΌ Π±Π΅Π»ΠΎΠΌ ΠΏΠΎΠ»Π΅, Π½Π΅ Π±ΠΎΠ»Π΅Π΅ ΡΠ΅ΠΌΠΈ ΡΠ»ΠΎΠ². ΠΠ°ΠΆΠΌΠΈΡΠ΅ Π½Π° ΡΡΡΠ΅Π»ΠΊΡ Π²ΠΏΡΠ°Π²ΠΎ, ΡΡΠΎΠ±Ρ ΡΠ·Π½Π°ΡΡ Π±ΠΎΠ»ΡΡΠ΅.
Π£ Π²Π°Ρ ΡΠ°ΠΊΠΆΠ΅ Π΅ΡΡΡ Π½Π°Π±ΠΎΡ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½ΡΠΎΠ² Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ, ΡΠ°ΠΊΠΈΡ ΠΊΠ°ΠΊ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ ΡΠΎΠ½Π° Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ, ΠΏΠΎΠ²ΠΎΡΠΎΡ, Π½Π°ΡΡΡΠΎΠΉΠΊΠ° ΠΎΠ±Π»Π°ΡΡΠΈ Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ, ΡΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ, Π΅ΡΠ»ΠΈ ΡΠ΅ΠΊΡΡ ΡΠ°Π·Π±ΡΠΎΡΠ°Π½, ΠΈ Ρ. Π.
ΠΡΠΎ ΠΏΠΎΡΠ»Π΅Π΄Π½ΠΈΠΉ ΡΠ°Π³, Π½Π° ΠΊΠΎΡΠΎΡΠΎΠΌ Π²Ρ Π½Π°ΠΉΠ΄Π΅ΡΠ΅ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΡ, ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²ΡΡΡΠΈΠ΅ ΡΡΡΠΎΠΊΠ΅. ΠΠΎ ΠΏΠ΅ΡΠ΅Π΄ ΡΡΠΈΠΌ Π²Π°ΠΌ ΡΠ°ΠΊΠΆΠ΅ Π½Π΅ΠΎΠ±Ρ ΠΎΠ΄ΠΈΠΌΠΎ Π²Π²Π΅ΡΡΠΈ ΡΠ΅ΠΊΡΡ, ΠΊΠΎΡΠΎΡΡΠΉ Π²Ρ Ρ ΠΎΡΠΈΡΠ΅ ΡΠΎΠΏΠΎΡΡΠ°Π²ΠΈΡΡ (Π½Π°ΠΏΡΠΈΠΌΠ΅Ρ, Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΠ΅), ΡΠ΅ΠΊΡΡ ΠΏΡΠ΅Π΄Π²Π°ΡΠΈΡΠ΅Π»ΡΠ½ΠΎΠ³ΠΎ ΠΏΡΠΎΡΠΌΠΎΡΡΠ° (ΡΠ΅ΠΊΡΡ, ΠΊΠΎΡΠΎΡΡΠΉ Π²Ρ Ρ ΠΎΡΠΈΡΠ΅ ΠΏΡΠΎΡΠΌΠΎΡΡΠ΅ΡΡ Ρ ΡΠ΅ΠΌ ΠΆΠ΅ ΡΡΠΈΡΡΠΎΠΌ) ΠΈ ΡΠΈΠ»ΡΡΡ ΠΏΠΎΠΈΡΠΊΠ°, ΠΊΠΎΡΠΎΡΡΠΉ Π²Ρ Π΄ΠΎΠ»ΠΆΠ½Ρ ΠΎΡΡΠ°Π²ΠΈΡΡ ΠΊΠ°ΠΊ Π΅ΡΡΡ.
ΠΠ΅ΡΠ²ΡΠΉ ΠΌΠ΅ΡΠΎΠ΄ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅Ρ Π²Π°ΡΡ ΡΠΎΠ±ΡΡΠ²Π΅Π½Π½ΡΡ ΠΊΠ°ΠΌΠ΅ΡΡ, ΠΊΠΎΡΠΎΡΠ°Ρ ΡΠ°ΠΊΠΆΠ΅ Π΄ΠΎΡΡΡΠΏΠ½Π° Ρ Π΄ΠΎΠΌΠ°ΡΠ½Π΅ΠΉ ΡΡΡΠ°Π½ΠΈΡΡ ΠΈ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅Ρ ΡΠΎΡ ΠΆΠ΅ ΠΏΡΠΎΡΠ΅ΡΡ.
ΠΠΎΡΠ»Π΅ Π²Π²ΠΎΠ΄Π° Π΄Π°Π½Π½ΡΡ Π²Ρ Π°Π²ΡΠΎΠΌΠ°ΡΠΈΡΠ΅ΡΠΊΠΈ ΠΏΠΎΠ»ΡΡΠΈΡΠ΅ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΎ ΡΡΠΈΡΡΠΎΠ², ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²ΡΡΡΠΈΡ ΡΠ°Π±Π»ΠΎΠ½Ρ. Π Π΄Π°Π½Π½ΠΎΠΌ ΡΠ»ΡΡΠ°Π΅ ΡΡΠΎ ΡΡΡΠΎΠΊΠ° ΠΠΆΠ΅ΠΊ Π€ΡΠΎΡΡ. ΠΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ ΡΠ°ΠΊΠΆΠ΅ ΠΎΡΠΎΠ±ΡΠ°ΠΆΠ°Π΅Ρ ΡΠΎΡΠ½ΠΎΡΡΡ ΡΠΎΠ²ΠΏΠ°Π΄Π΅Π½ΠΈΡ ΠΈ ΡΠΈΠΏ ΡΡΠΈΡΡΠ°. ΠΡΠΎΠΌΠ΅ ΡΠΎΠ³ΠΎ, Π²Ρ ΡΠ°ΠΊΠΆΠ΅ ΠΌΠΎΠΆΠ΅ΡΠ΅ ΡΠ΅Π»ΠΊΠ½ΡΡΡ Π·Π½Π°ΡΠΎΠΊ (i), ΡΡΠΎΠ±Ρ Π·Π°Π³ΡΡΠ·ΠΈΡΡ ΡΡΠΈΡΡ Π½Π° ΡΠ²ΠΎΠ΅ ΡΡΡΡΠΎΠΉΡΡΠ²ΠΎ, Π΅ΡΠ»ΠΈ ΠΎΠ½ Π½Π°Ρ ΠΎΠ΄ΠΈΡΡΡ Π² ΡΠ²ΠΎΠ±ΠΎΠ΄Π½ΠΎΠΌ Π΄ΠΎΡΡΡΠΏΠ΅.
Π€ΡΠ½ΠΊΡΠΈΠΈ
- ΠΠ°Π·Π° Π΄Π°Π½Π½ΡΡ Π²ΠΊΠ»ΡΡΠ°Π΅Ρ 150 ΡΡΡΡΡ ΡΡΡΠΎΠΊ.
- 30 Π±Π΅ΡΠΏΠ»Π°ΡΠ½ΡΡ ΠΏΡΠΎΠ³Π½ΠΎΠ·ΠΎΠ².
- 2 Π±Π΅ΡΠΏΠ»Π°ΡΠ½ΡΡ Π·Π°ΠΊΠ°Π·Π°. ΠΊΠ°ΠΆΠ΄ΡΠ΅ 48 ΡΠ°ΡΠΎΠ².
- ΠΠ΅Π·Π»ΠΈΠΌΠΈΡΠ½ΡΠ΅ Π·Π°ΠΊΠ°Π·Ρ Π·Π° 9 Π΄ΠΎΠ»Π»Π°ΡΠΎΠ².
ΠΠΎΠ»ΡΡΠ°ΡΡΠΈΠΉ ΠΠ°ΠΉΠ΄ΠΈ ΠΌΠΎΠΉ ΡΡΠΈΡΡ
Π·Π°ΠΊΠ»ΡΡΠΈΡΠ΅Π»ΡΠ½ΡΠ΅ Π·Π°ΠΌΠ΅ΡΠ°Π½ΠΈΡ
ΠΠΎΡ ΠΊΠ°ΠΊ Π²Ρ ΠΌΠΎΠΆΠ΅ΡΠ΅ Π»Π΅Π³ΠΊΠΎ ΠΈΠ΄Π΅Π½ΡΠΈΡΠΈΡΠΈΡΠΎΠ²Π°ΡΡ ΡΡΠΈΡΡΡ Π½Π° Android. ΠΡΠΎ ΠΎΡΠ»ΠΈΡΠ½ΠΎΠ΅ ΠΈ ΠΎΡΠ΅Π½Ρ ΡΠΎΡΠ½ΠΎΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅. ΠΡΠ»ΠΈ Π²Ρ ΡΠ°Π±ΠΎΡΠ°Π΅ΡΠ΅ Π³ΡΠ°ΡΠΈΡΠ΅ΡΠΊΠΈΠΌ Π΄ΠΈΠ·Π°ΠΉΠ½Π΅ΡΠΎΠΌ ΠΈΠ»ΠΈ ΠΈΠ»Π»ΡΡΡΡΠ°ΡΠΎΡΠΎΠΌ, Π²ΡΠ±Π΅ΡΠΈΡΠ΅ ΠΏΡΠ΅ΠΌΠΈΡΠΌ-Π²Π΅ΡΡΠΈΡ, ΠΊΠΎΡΠΎΡΠ°Ρ ΠΏΡΠΈΠ³ΠΎΠ΄ΠΈΡΡΡ Ρ Π½Π΅ΠΎΠ³ΡΠ°Π½ΠΈΡΠ΅Π½Π½ΡΠΌΠΈ ΠΏΡΠΎΠ³Π½ΠΎΠ·Π°ΠΌΠΈ. ΠΡΠΎΠΌΠ΅ ΡΠΎΠ³ΠΎ, Π΅ΡΠ»ΠΈ ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ ΡΡΠΈΡΡΠΎΠ² Π½Π΅ ΡΠ²Π»ΡΠ΅ΡΡΡ ΡΠ°ΡΡΡΡ Π²Π°ΡΠ΅Π³ΠΎ ΠΏΡΠΎΡΠΈΠ»Ρ ΡΠ°Π±ΠΎΡΡ, Π±Π΅ΡΠΏΠ»Π°ΡΠ½ΠΎΠΉ Π²Π΅ΡΡΠΈΠΈ Π±ΡΠ΄Π΅Ρ Π±ΠΎΠ»Π΅Π΅ ΡΠ΅ΠΌ Π΄ΠΎΡΡΠ°ΡΠΎΡΠ½ΠΎ.
ΠΡΡΠΎΡΠ½ΠΈΠΊ
Π Π°ΡΠΏΠΎΠ·Π½Π°Π²Π°Π½ΠΈΠ΅ ΡΡΠΈΡΡΠΎΠ² Ρ ΠΏΠΎΠΌΠΎΡΡΡ Π³Π»ΡΠ±ΠΎΠΊΠΎΠ³ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ | ΠΠΆΠ΅Ρ Π°Π΄ ΠΠΎΡ Π°ΠΌΠ΅Π΄ | MLearning.ai
Π‘ΠΊΠ°Π½ΠΈΡΡΠ΅ΡΡΡ ΠΊΠ°Π»Π»ΠΈΠ³ΡΠ°ΡΠΈΡ Π.ΠΡΠΎ ΠΎΡΠ½ΠΎΠ²Π°Π½ΠΎ Π½Π° DeepFont Paper, ΠΌΠ΅ΡΠΎΠ΄Π΅, ΡΠΎΠ·Π΄Π°Π½Π½ΠΎΠΌ Adobe.Inc Π΄Π»Ρ ΠΎΠ±Π½Π°ΡΡΠΆΠ΅Π½ΠΈΡ ΡΡΠΈΡΡΠ° Π½Π° ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡΡ Ρ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ΠΌ Π³Π»ΡΠ±ΠΎΠΊΠΎΠ³ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ. ΠΠ½ΠΈ ΠΎΠΏΡΠ±Π»ΠΈΠΊΠΎΠ²Π°Π»ΠΈ ΡΠ²ΠΎΡ ΡΠ°Π±ΠΎΡΡ Π² Π²ΠΈΠ΄Π΅ Π΄ΠΎΠΊΡΠΌΠ΅Π½ΡΠ° Π΄Π»Ρ ΠΎΠ±ΡΠ΅ΡΡΠ²Π΅Π½Π½ΠΎΡΡΠΈ, ΠΈ ΡΠ΅Π°Π»ΠΈΠ·ΠΎΠ²Π°Π½Π½ΡΠΉ ΠΊΠΎΠ΄ ΡΠ²Π»ΡΠ΅ΡΡΡ ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ΄Π½ΡΠΌ ΠΎΡ ΡΠΎΠ³ΠΎ ΠΆΠ΅. Π ΡΡΠΎΠΌ Π±Π»ΠΎΠ³Π΅ ΠΎΠ±ΡΡΠΆΠ΄Π°ΡΡΡΡ Π½Π΅ΠΎΠ±Ρ ΠΎΠ΄ΠΈΠΌΡΠ΅ ΡΠ°Π³ΠΈ, Π° ΡΠ°ΠΊΠΆΠ΅ Π΄Π°Π΅ΡΡΡ ΠΎΠ±Π·ΠΎΡ ΠΊΠΎΠ΄Π°.
ΠΠ»ΡΡΠ΅Π²ΡΠ΅ ΡΠΎΡΠΊΠΈ DeepFont:
- ΠΠ½ ΠΎΠ±ΡΡΠ΅Π½ Π½Π° Π½Π°Π±ΠΎΡΠ΅ Π΄Π°Π½Π½ΡΡ AdobeVFR, ΠΊΠΎΡΠΎΡΡΠΉ ΡΠΎΠ΄Π΅ΡΠΆΠΈΡ 2383 Π¨ΡΠΈΡΡ ΠΠ°ΡΠ΅Π³ΠΎΡΠΈΠΈ!
- ΠΠ³ΠΎ CNN Π°Π΄Π°ΠΏΡΠΈΡΠΎΠ²Π°Π½Π° ΠΊ ΠΏΡΠ΅Π΄ΠΌΠ΅ΡΠ½ΠΎΠΉ ΠΎΠ±Π»Π°ΡΡΠΈ (ΠΠ°ΠΆΠΌΠΈΡΠ΅ Π·Π΄Π΅ΡΡ, ΡΡΠΎΠ±Ρ ΡΠ·Π½Π°ΡΡ Π±ΠΎΠ»ΡΡΠ΅)
- ΠΠ³ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ ΠΎΡΠ½ΠΎΠ²Π°Π½ΠΎ Π½Π° ΡΠΆΠ°ΡΠΈΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ
ΠΡΠ΅ΠΆΠ΄Π΅ ΡΠ΅ΠΌ ΠΌΡ Π½Π°ΡΠ½Π΅ΠΌ β Π΄Π°Π²Π°ΠΉΡΠ΅ Π½Π°ΡΠ½Π΅ΠΌ Ρ ΡΠΎΠ³ΠΎ, ΠΊΠ°ΠΊΠΈΠ΅ Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΠΈ Π½Π°ΠΌ Π½ΡΠΆΠ½Ρ.
ΠΠ· Matplotlib.pyplot Import Imshow
ΠΠΌΠΏΠΎΡΡ Matplotlib.cm AS CM
ΠΠΌΠΏΠΎΡΡ MATPLOTLIB.PYLAB AS
ΠΎΡ KERAS.PYLAB AS
ΠΎΡ KERS.PLABS .0006 ImageDataGenerator
import numpy as np
import PIL
from PIL import ImageFilter
import cv2
import itertools
import random
import keras
import imutils
ΠΈΠ· imutils ΠΈΠΌΠΏΠΎΡΡ ΠΏΡΡΠ΅ΠΉ
ΠΈΠΌΠΏΠΎΡΡ os
ΠΈΠ· keras ΠΈΠΌΠΏΠΎΡΡ ΠΎΠΏΡΠΈΠΌΠΈΠ·Π°ΡΠΎΡΡ
from keras. preprocessing.image import img_to_array
from sklearn.model_selection import train_test_split
from keras.utils import to_categorical
from keras import callbacks
from keras.models ΠΈΠΌΠΏΠΎΡΡ ΠΏΠΎΡΠ»Π΅Π΄ΠΎΠ²Π°ΡΠ΅Π»ΡΠ½ΡΠΉ
ΠΈΠ· keras.layers.normalization ΠΈΠΌΠΏΠΎΡΡ BatchNormalization
ΠΈΠ· keras.layers ΠΠΌΠΏΠΎΡΡ ΠΠ»ΠΎΡΠ½ΡΠΉ, Π²ΡΠΏΠ°Π΄Π°ΡΡΠΈΠΉ, Π²ΡΠ±ΡΠΎΡΠΈΡΡ
ΠΈΠ· Keras.layers Import Conv2d, MaxPooling2d, Upsampling2d, Conv2dtranspose
Ρ Ceras Import .Will Will Will Will Will Will Will in
Will Will Will Will Will Will in
.
Will Will Will Will in
.
. ΠΌΠ°Π½ΠΈΠΏΡΠ»ΠΈΡΠΎΠ²Π°ΡΡ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡΠΌΠΈ, Π΄Π°Π²Π°ΠΉΡΠ΅ Π²ΠΎΠ·ΡΠΌΠ΅ΠΌ PIL (Π±ΠΈΠ±Π»ΠΈΠΎΡΠ΅ΠΊΡ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠΉ Python) ΠΈ ΡΠΎΠ·Π΄Π°Π΄ΠΈΠΌ ΡΡΠ½ΠΊΡΠΈΡ Π΄Π»Ρ ΡΡΠ΅Π½ΠΈΡ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ ΠΈΠ· ΠΊΠ°ΡΠ°Π»ΠΎΠ³Π° ΠΈ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΡ ΡΠ°Π·ΠΌΠ΅ΡΠ° ΠΏΠΎ ΠΌΠ΅ΡΠ΅ Π½Π΅ΠΎΠ±Ρ ΠΎΠ΄ΠΈΠΌΠΎΡΡΠΈ.
Π΄Π΅Ρ pil_image(img_path):
ΠΏΠΈΠ»_ΠΈΠΌ = ΠΏΠΈΠ» . ΠΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅ . ΠΎΡΠΊΡΡΡΡ (img_path) . convert('L')
pil_im = pil_im . resize((105,105))
#imshow(np.asarray(pil_im))
return pil_imΠ’Π΅ΠΏΠ΅ΡΡ ΠΌΡ ΡΠ°Π·ΠΎΠ±ΡΠ΅ΠΌ Π²ΡΡ ΡΠ°Π±ΠΎΡΡ Π½Π° 4 ΡΠ°Π³Π° ΠΈΠ»ΠΈ ΡΡΠ°ΠΏΠ°.
Π¨Π°Π³ 1: ΠΠ°Π±ΠΎΡ Π΄Π°Π½Π½ΡΡ
ΠΠΎΡΠΊΠΎΠ»ΡΠΊΡ ΡΡΡΠ»ΠΊΠ° Π½Π° Π½Π°Π±ΠΎΡ Π΄Π°Π½Π½ΡΡ AdobeVFR ΠΈΠΌΠ΅Π΅Ρ ΠΎΠ³ΡΠΎΠΌΠ½ΡΠΉ ΡΠ°Π·ΠΌΠ΅Ρ ΠΈ ΡΠΎΠ΄Π΅ΡΠΆΠΈΡ ΠΌΠ½ΠΎΠΆΠ΅ΡΡΠ²ΠΎ ΠΊΠ°ΡΠ΅Π³ΠΎΡΠΈΠΉ ΡΡΠΈΡΡΠΎΠ², ΠΏΡΠΎΡΡΠΎΠΉ ΡΠΏΠΎΡΠΎΠ± ΠΎΠ±ΠΎΠΉΡΠΈ ΡΡΠΎ β ΡΠΎΠ·Π΄Π°ΡΡ ΡΠΎΠ±ΡΡΠ²Π΅Π½Π½ΡΠΉ Π½Π°Π±ΠΎΡ Π΄Π°Π½Π½ΡΡ Π½Π° ΠΎΡΠ½ΠΎΠ²Π΅ Π½Π΅ΠΎΠ±Ρ ΠΎΠ΄ΠΈΠΌΡΡ ΠΈΡΠΏΡΠ°Π²Π»Π΅Π½ΠΈΠΉ ΡΡΠΈΡΡΠΎΠ² Ρ ΠΏΠΎΠΌΠΎΡΡΡ TextRecognitionDataGenerator github.
ΠΠΎΠ³Π΄Π° Ρ Π²Π°Ρ Π΅ΡΡΡ Π½Π°Π±ΠΎΡ ΠΎΠ±ΡΠ°Π·ΡΠΎΠ², Π²Ρ Π³ΠΎΡΠΎΠ²Ρ ΠΊ ΡΠ°Π±ΠΎΡΠ΅!
Π¨Π°Π³ 2: ΠΡΠ΅Π΄Π²Π°ΡΠΈΡΠ΅Π»ΡΠ½Π°Ρ ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠ° Π΄Π°Π½Π½ΡΡ
Π¨ΡΠΈΡΡΡ Π½Π΅ ΠΏΠΎΡ ΠΎΠΆΠΈ Π½Π° ΠΎΠ±ΡΠ΅ΠΊΡΡ, ΠΈ Π΄Π»Ρ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ ΠΈΡ ΡΡΠ½ΠΊΡΠΈΠΉ ΡΡΠ΅Π±ΡΠ΅ΡΡΡ ΠΎΠ³ΡΠΎΠΌΠ½Π°Ρ ΠΏΡΠΎΡΡΡΠ°Π½ΡΡΠ²Π΅Π½Π½Π°Ρ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ. Π§ΡΠΎΠ±Ρ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΠΈΡΡ ΠΎΡΠ΅Π½Ρ Π½Π΅Π·Π½Π°ΡΠΈΡΠ΅Π»ΡΠ½ΠΎΠ΅ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ Ρ Π°ΡΠ°ΠΊΡΠ΅ΡΠΈΡΡΠΈΠΊ, DeepFont ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅Ρ ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½Π½ΡΠ΅ ΠΌΠ΅ΡΠΎΠ΄Ρ ΠΏΡΠ΅Π΄Π²Π°ΡΠΈΡΠ΅Π»ΡΠ½ΠΎΠΉ ΠΎΠ±ΡΠ°Π±ΠΎΡΠΊΠΈ, Π° ΠΈΠΌΠ΅Π½Π½ΠΎ:
- Π¨ΡΠΌ
- Π Π°Π·ΠΌΡΡΠΈΠ΅
- ΠΠ΅ΡΡΠΏΠ΅ΠΊΡΠΈΠ²Π½ΠΎΠ΅ Π²ΡΠ°ΡΠ΅Π½ΠΈΠ΅
- ΠΠ°ΡΠ΅Π½Π΅Π½ΠΈΠ΅ (Π³ΡΠ°Π΄ΠΈΠ΅Π½ΡΠ½ΠΎΠ΅ ΠΎΡΠ²Π΅ΡΠ΅Π½ΠΈΠ΅)
- ΠΠ΅ΡΠ΅ΠΌΠ΅Π½Π½ΡΠΉ ΠΈΠ½ΡΠ΅ΡΠ²Π°Π» ΠΌΠ΅ΠΆΠ΄Ρ ΡΠΈΠΌΠ²ΠΎΠ»Π°ΠΌΠΈ
- ΠΠ΅ΡΠ΅ΠΌΠ΅Π½Π½ΠΎΠ΅ ΡΠΎΠΎΡΠ½ΠΎΡΠ΅Π½ΠΈΠ΅ ΡΡΠΎΡΠΎΠ½
ΠΡΡ ΠΎΠ΄Ρ ΠΈΠ· ΡΡΠΎΠ³ΠΎ β Ρ Π½Π°Ρ Π΅ΡΡΡ ΡΡΠ½ΠΊΡΠΈΠΈ Π΄Π»Ρ ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ ΠΈΠ· ΡΠ°Π³ΠΎΠ² Π°ΡΠ³ΠΌΠ΅Π½ΡΠ°ΡΠΈΠΈ:
def Noise_image(pil_im):
# ΠΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅ ΡΡΠΌΠ° ΠΊ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ
img_array 0 ASARRAY (PIL_IM)
Π‘ΡΠ΅Π΄Π½Π΅Π΅ = 0,0 # ΠΠ΅ΠΊΠΎΡΠΎΡΠ°Ρ ΠΏΠΎΡΡΠΎΡΠ½Π½Π°Ρ
Std = 5 # ΠΠ΅ΠΊΠΎΡΠΎΡΠ°Ρ ΠΏΠΎΡΡΠΎΡΠ½Π½Π°Ρ (ΡΡΠ°Π½Π΄Π°ΡΡΠ½ΠΎΠ΅ ΠΎΡΠΊΠ»ΠΎΠ½Π΅Π½ΠΈΠ΅)
NOISY_IMG = IMG_ARRAY + NP . ΡΠ»ΡΡΠ°ΠΉΠ½ΠΎΠ΅ . Π½ΠΎΡΠΌΠ°Π»ΡΠ½ΠΎΠ΅ (ΡΡΠ΅Π΄Π½Π΅Π΅, ΡΡΠ°Π½Π΄., img_array . ΡΠΎΡΠΌΠ°)
noisy_img_clipped = np . ΠΊΠ»ΠΈΠΏ(noisy_img, 0, 255)
ΡΡΠΌ_img = PIL . ΠΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅ . fromarray(np . uint8(noisy_img_clipped))
ΡΡΠΌ_ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ = ΡΡΠΌ_ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ . resize((105,105))
return Noise_img
def blur_image(pil_im):
#ΠΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅ ΡΠ°Π·ΠΌΡΡΠΈΡ ΠΊ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ
blur_img = pil_im3 .
filter(ImageFilter . GaussianBlur(ΡΠ°Π΄ΠΈΡΡ = 3))
blur_img = blur_img . resize((105,105))
return blur_img
def affine_rotation(img):
ΡΡΡΠΎΠΊ, ΡΡΠΎΠ»Π±ΡΠΎΠ² = img . shapepoint1 = np . float32([[10, 10], [30, 10], [10, 30]])
point2 = np . float32([[20, 15], [40, 10], [20, 40]])A = cv2 . getAffineTransform(point1, point2)
Π²ΡΠ²ΠΎΠ΄ = cv2 . warpAffine(img, A, (ΡΡΠΎΠ»Π±ΡΡ, ΡΡΡΠΎΠΊΠΈ))
affine_img = PIL . ΠΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅ . fromarray (np . uint8 (Π²ΡΡ ΠΎΠ΄))
affine_img = affine_img . ΠΈΠ·ΠΌΠ΅Π½ΠΈΡΡ ΡΠ°Π·ΠΌΠ΅Ρ ((105,105))
Π²Π΅ΡΠ½ΡΡΡ affine_img
def Π³ΡΠ°Π΄ΠΈΠ΅Π½Ρ_Π·Π°ΠΏΠΎΠ»Π½ΠΈΡΡ (ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅):
Π»Π°ΠΏΠ»Π°ΡΠΈΠ°Π½ = cv2 . ΠΠ°ΠΏΠ»Π°ΡΠΈΠ°Π½ (ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅, cv2 . CV_64F)
Π»Π°ΠΏΠ»Π°ΡΠΈΠ°Π½ = cv2 . ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ ΡΠ°Π·ΠΌΠ΅ΡΠ° (Π»Π°ΠΏΠ»Π°ΡΠΈΠ°Π½, (105, 105))
return laplacianΠ’Π΅ΠΏΠ΅ΡΡ, ΠΊΠΎΠ³Π΄Π° ΠΎΠ½ΠΈ Π³ΠΎΡΠΎΠ²Ρ, ΠΌΡ ΠΌΠΎΠΆΠ΅ΠΌ ΠΏΠΎΠ΄Π³ΠΎΡΠΎΠ²ΠΈΡΡ Π½Π°Π±ΠΎΡ Π΄Π°Π½Π½ΡΡ .
data_path = "font_patch/" #Π‘ΡΡΠ»ΠΊΠ° Π½Π° Π²ΡΠ΅ ΡΠΎΠ·Π΄Π°Π½Π½ΡΠ΅ ΠΎΠ±ΡΠ°Π·ΡΡ ΡΠ»ΡΡΠ°ΠΉΠ½ΡΠΉ . ΡΠ΅ΠΌΡΠ½(42)
ΡΠ»ΡΡΠ°ΠΉΠ½ΡΡ . shuffle(imagePaths)#ΠΡΠΎ Π±ΡΠ»ΠΈ 5 ΡΡΠΈΡΡΠΎΠ², Π²Π·ΡΡΡΡ Π·Π° ΠΎΠ±ΡΠ°Π·Π΅Ρ def conv_label(label):
IF ΠΠ΅ΡΠΊΠ° == 'LATO':
ΠΠΎΠ·Π²ΡΠ°Ρ 0
ELIF ΠΠ΅ΡΠΊΠ° == 'Raleway':
return 1
ELIF Label == 'Roboto':
7 ELIF = 'Roboto'
ELIF = = ':
70003 . return 2
ELIF ΠΠ΅ΡΠΊΠ° == 'Sansation':
return 3
ELIF ΠΠ΅ΡΠΊΠ° == 'ΠΡΠΎΡ ΠΎΠ΄Π½Π°Ρ Π΄ΠΎΡΠΎΠΆΠΊΠ°':
return 4augument = ["Blur" ","Π°ΡΡΠΈΠ½Π½ΡΠΉ","Π³ΡΠ°Π΄ΠΈΠ΅Π½Ρ"]
a = itertools . ΠΊΠΎΠΌΠ±ΠΈΠ½Π°ΡΠΈΠΉ (Π΄ΠΎΠΏΠΎΠ»Π½Π΅Π½ΠΈΠ΅, 4)Π΄Π»Ρ i Π² list(a):
print(list(i))Π’Π΅ΠΏΠ΅ΡΡ, ΠΎΡΠ½ΠΎΠ²ΡΠ²Π°ΡΡΡ Π½Π° a, ΠΌΡ ΠΏΠ΅ΡΠ΅Π±ΠΈΡΠ°Π΅ΠΌ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ, ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΡ ΡΠΎΠ»ΡΠΊΠΎ ΡΡΠΎ ΡΠ³Π΅Π½Π΅ΡΠΈΡΠΎΠ²Π°Π½Π½ΡΠ΅ ΠΊΠΎΠΌΠ±ΠΈΠ½Π°ΡΠΈΠΈ, Π΄ΠΎΠ±Π°Π²Π»ΡΡ Π²ΡΠ²ΠΎΠ΄ Π΄Π°Π½Π½ΡΡ ΠΈ ΠΌΠ΅ΡΠΎΠΊ ΠΊΠ°ΠΆΠ΄ΡΠΉ ΡΠ°Π·.
counter = 0.0003 == 'Blur':
Π΄Π»Ρ imagePath Π² imagePaths:
label = imagePath . split(os . path . sep)[ - 2]
ΠΠ΅ΡΠΊΠ° = Conv_label (ΠΌΠ΅ΡΠΊΠ°)
PIL_IMG = PIL_IMAGE (ImagePath)
#IMSHOW (PIL_IMG)#ΠΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅ ΠΎΡΠΈΠ³ΠΈΠ½Π°Π»ΡΠ½ΠΎΠ³ΠΎ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ
org_img = IMG_TO_ARRAP )
Π΄Π°Π½Π½ΡΠ΅ . append(org_img)
ΡΡΠ»ΡΠΊΠΎΠ² . Π΄ΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅(ΠΌΠ΅ΡΠΊΠ°)Π΄ΠΎΠΏΠΎΠ»Π½Π΅Π½ΠΈΠ΅ = ["ΡΡΠΌ","ΡΠ°Π·ΠΌΡΡΠΈΠ΅","Π°ΡΡΠΈΠ½Π½ΡΠΉ","Π³ΡΠ°Π΄ΠΈΠ΅Π½Ρ"]
Π΄Π»Ρ l Π² Π΄ΠΈΠ°ΠΏΠ°Π·ΠΎΠ½Π΅ (0,len(Π΄ΠΎΠΏΠΎΠ»Π½Π΅Π½ΠΈΠ΅)):a = itertools . ΠΠΎΠΌΠ±ΠΈΠ½Π°ΡΠΈΠΈ (Augument, L + 1)
Π΄Π»Ρ I Π² ΡΠΏΠΈΡΠΊΠ΅ (A):
ΠΠΎΠΌΠ±ΠΈΠ½Π°ΡΠΈΠΈ = Π‘ΠΏΠΈΡΠΎΠΊ (I)
ΠΠ΅ΡΠ°ΡΡ (LEN (ΠΠΎΠΌΠ±ΠΈΠ½Π°ΡΠΈΠΈ))
TEMP_IMG = PIL_IMG
)
TEMP_IMG = 669 ΠΠ»Ρ J Π² ΠΠΎΠΌΠ±ΠΈΠ½Π°ΡΠΈΡΡ :, Π΅ΡΠ»ΠΈ J == 'Noise':
# ΠΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅ ΡΡΠΌΠ° ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ
Temp_img = rower_image (temp_img)ELIF J
# ΠΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ ΡΠ°Π·ΠΌΡΡΠΈΡ
Temp_img = BLUR_IMAGE (TEMP_IMG)
#IMSHOW (BLUR_IMG)ELIF j == 'Affine Offine:
77 ELIF j == ' Affine '
77 elif j == 9000' affine '7 . Π½ΠΏ . Array (PIL_IMG)
# ΠΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅ Π°ΡΡΠΈΠ½Π½ΠΎΠ³ΠΎ ΡΠΎΡΠ°ΡΠΈΠΎΠ½Π½ΠΎΠ³ΠΎ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ
Temp_img = Affine_Rotation (OPEN_CV_AFFINE)ELIF J == 'GRADIENT':
array(pil_img)
OPEN_CV_GRADIent = Π. 0003 .
# ΠΠΎΠ±Π°Π²Π»Π΅Π½ΠΈΠ΅ Π³ΡΠ°Π΄ΠΈΠ΅Π½ΡΠ½ΠΎΠ³ΠΎ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ Π΄ΠΎΠ±Π°Π²ΠΈΡΡ (temp_img)
ΠΌΠ΅ΡΠΎΠΊ . append(label)
ΠΠ°Ρ ΡΠ»Π΅Π΄ΡΡΡΠΈΠΉ ΡΠ°Π³ ΠΎΡΠ΅Π½Ρ ΠΏΡΠΎΡΡ β ΠΌΡ ΡΠ°Π·Π΄Π΅Π»ΡΠ΅ΠΌ Π΄Π°Π½Π½ΡΠ΅, ΡΡΠΎΠ±Ρ ΠΌΡ ΠΌΠΎΠ³Π»ΠΈ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ 75% Π΄Π»Ρ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΠΈ ΠΎΡΡΠ°Π²ΡΠΈΠ΅ΡΡ 25% Π΄Π»Ρ ΡΠ΅ΡΡΠΈΡΠΎΠ²Π°Π½ΠΈΡ. ΠΠ°ΡΠ΅ΠΌ ΠΌΡ ΠΊΠΎΠ½Π²Π΅ΡΡΠΈΡΡΠ΅ΠΌ ΠΌΠ΅ΡΠΊΠΈ ΠΈΠ· ΡΠ΅Π»ΡΡ ΡΠΈΡΠ΅Π» Π² Π²Π΅ΠΊΡΠΎΡΡ.
Π΄Π°Π½Π½ΡΠ΅ = Π½ΠΏ . asarray(data, dtype = "float") / 255.0
labels = np . array(ΠΌΠ΅ΡΠΊΠΈ)
print("Π£ΡΠΏΠ΅Ρ ")(trainX, testX, trainY, testY) = train_test_split(Π΄Π°Π½Π½ΡΠ΅,
ΠΌΠ΅ΡΠΎΠΊ, test_size = 0,25, random_state = 42)trainY3 =
3 trainY, num_classes = 5)
testY = to_categorical(testY, num_classes = 5)Π°Π²Π³ = ImageDataGenerator(rotation_range = 30, width_shift_range = 0. 1, height_shift_range = 0,1, shear_range = 0,2, Zoom_range = 0,2, Horizontal_flip = True )
. ΠΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΡ ΡΠ΅ΡΠΈ CNN, ΠΎΠ½ΠΈ ΡΠ»Π΅Π΄ΠΎΠ²Π°Π»ΠΈ Π½ΠΎΠ²ΠΎΠΉ ΡΡ Π΅ΠΌΠ΅, ΡΠ°ΠΊΠΎΠΉ ΠΊΠ°ΠΊ Π΄Π²Π΅ ΠΏΠΎΠ΄ΡΠ΅ΡΠΈ,
- ΠΠΈΠ·ΠΊΠΎΡΡΠΎΠ²Π½Π΅Π²Π°Ρ ΠΏΠΎΠ΄ΡΠ΅ΡΡ : ΠΈΠ·Π²Π»Π΅ΡΠ΅Π½Ρ ΠΈΠ· ΡΠΎΡΡΠ°Π²Π½ΠΎΠ³ΠΎ Π½Π°Π±ΠΎΡΠ° ΡΠΈΠ½ΡΠ΅ΡΠΈΡΠ΅ΡΠΊΠΈΡ ΠΈ ΡΠ΅Π°Π»ΡΠ½ΡΡ Π΄Π°Π½Π½ΡΡ .
- ΠΠΎΠ΄ΡΠ΅ΡΡ Π²ΡΡΠΎΠΊΠΎΠ³ΠΎ ΡΡΠΎΠ²Π½Ρ : ΠΠ·ΡΡΠ°Π΅Ρ Π³Π»ΡΠ±ΠΎΠΊΠΈΠΉ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΎΡ Π½Π° Π½ΠΈΠ·ΠΊΠΎΡΡΠΎΠ²Π½Π΅Π²ΡΡ ΡΡΠ½ΠΊΡΠΈΡΡ . ΠΠ»Ρ ΠΏΠΎΠ»ΡΡΠ΅Π½ΠΈΡ Π±ΠΎΠ»Π΅Π΅ ΠΏΠΎΠ΄ΡΠΎΠ±Π½ΠΎΠΉ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠΈ ΠΈ ΠΏΠΎΡΡΠ½Π΅Π½ΠΈΠΉ ΠΏΡΠΎΡΠΈΡΠ°ΠΉΡΠ΅ ΠΈΡ Π΄ΠΎΠΊΡΠΌΠ΅Π½Ρ
ΠΡ ΡΠΎΠ·Π΄Π°Π΅ΠΌ ΠΌΠΎΠ΄Π΅Π»Ρ, ΠΊΠ°ΠΊ ΡΠΊΠ°Π·Π°Π½ΠΎ Π² Π΄ΠΎΠΊΡΠΌΠ΅Π½ΡΠ΅, ΠΈ ΠΊΠΎΠΌΠΏΠΈΠ»ΠΈΡΡΠ΅ΠΌ Π΅Π΅.
K.set_image_data_format('channels_last') def create_model():
ΠΌΠΎΠ΄Π΅Π»Ρ = Sequential()# Cu Layers
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(Conv2D(64, ΡΠ°Π·ΠΌΠ΅Ρ ΡΠ΄ΡΠ° = (48, 48), Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu', input_shape = (105,105,1)))
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(ΠΠ°ΠΊΠ΅ΡΠ½Π°Ρ Π½ΠΎΡΠΌΠ°Π»ΠΈΠ·Π°ΡΠΈΡ())
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(MaxPooling2D(pool_size = (2, 2)))ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(Conv2D(128, ΡΠ°Π·ΠΌΠ΅Ρ ΡΠ΄ΡΠ° = (24, 24), Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu'))
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(ΠΠ°ΠΊΠ΅ΡΠ½Π°Ρ Π½ΠΎΡΠΌΠ°Π»ΠΈΠ·Π°ΡΠΈΡ())
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(MaxPooling2D(pool_size = (2, 2)))ΠΌΠΎΠ΄Π΅Π»Ρ . add(Conv2DTranspose(128, (24,24), ΡΠ°Π³ΠΈ = (2,2), Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu', Π·Π°ΠΏΠΎΠ»Π½Π΅Π½ΠΈΠ΅ = 'ΡΠ°ΠΊΠΎΠΉ ΠΆΠ΅', kernel_initializer = 'ΠΎΠ΄Π½ΠΎΡΠΎΠ΄Π½ΡΠΉ'))
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(UpSampling2D(ΡΠ°Π·ΠΌΠ΅Ρ = (2, 2)))ΠΌΠΎΠ΄Π΅Π»Ρ . add(Conv2DTranspose(64, (12,12), ΡΠ°Π³ΠΈ = (2,2), Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu', Π·Π°ΠΏΠΎΠ»Π½Π΅Π½ΠΈΠ΅ = 'ΡΠΎ ΠΆΠ΅ ΡΠ°ΠΌΠΎΠ΅', kernel_initializer = 'ΡΠ½ΠΈΡΠΎΡΠΌΠ°'))
ΠΌΠΎΠ΄Π΅Π»Ρ . add(UpSampling2D(size = (2, 2)))#Cs Layers
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(Conv2D(256, ΡΠ°Π·ΠΌΠ΅Ρ ΡΠ΄ΡΠ° = (12, 12), Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu'))ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(Conv2D(256, ΡΠ°Π·ΠΌΠ΅Ρ ΡΠ΄ΡΠ° = (12, 12), Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu'))
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(Conv2D(256, ΡΠ°Π·ΠΌΠ΅Ρ ΡΠ΄ΡΠ° = (12, 12), Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu'))
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(ΡΠ²Π΅ΡΡΠΈ())
ΠΌΠΎΠ΄Π΅Π»Ρ . add(Dense(4096, Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu'))
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(ΠΡΠΏΠ°Π΄Π΅Π½ΠΈΠ΅(0.5))
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(Dense(4096,Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu'))
ΠΌΠΎΠ΄Π΅Π»Ρ . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ(ΠΡΠΏΠ°Π΄Π΅Π½ΠΈΠ΅(0.5))
ΠΌΠΎΠ΄Π΅Π»Ρ . add(Dense(2383,Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'relu'))
ΠΌΠΎΠ΄Π΅Π»Ρ . add(Dense(5, Π°ΠΊΡΠΈΠ²Π°ΡΠΈΡ = 'softmax'))
return model
batch_size = 128
epochs = 50
model= create_model()
sgd = tensorflow.keras.optimizers.0.SGD0(l. , ΡΠ°ΡΠΏΠ°Π΄ = 1e-6, ΠΈΠΌΠΏΡΠ»ΡΡ = 0,9, Π½Π΅ΡΡΠ΅ΡΠΎΠ² = True)
model.compile (ΠΏΠΎΡΠ΅ΡΡ = 'mean_squared_error', ΠΎΠΏΡΠΈΠΌΠΈΠ·Π°ΡΠΎΡ = sgd, metrics = ['ΡΠΎΡΠ½ΠΎΡΡΡ']) Early_stopping = ΠΎΠ±ΡΠ°ΡΠ½ΡΡ Π²ΡΠ·ΠΎΠ²ΠΎΠ² . Π Π°Π½Π½Π΅Π΅ (ΠΠΎΠ½ΠΈΡΠΎΡ = 'val_loss', min_delta = 0, ΡΠ΅ΡΠΏΠ΅Π½ΠΈΠ΅ = 10, Verbose = 0, ΡΠ΅ΠΆΠΈΠΌ = 'ΠΌΠΈΠ½.) ΠΊΠΎΠ½ΡΡΠΎΠ»ΡΠ½Π°Ρ ΡΠΎΡΠΊΠ° = ΠΎΠ±ΡΠ°ΡΠ½ΡΡ Π²ΡΠ·ΠΎΠ²ΠΎΠ² . ModelCheckpoint(ΠΏΡΡΡ ΠΊ ΡΠ°ΠΉΠ»Ρ, ΠΌΠΎΠ½ΠΈΡΠΎΡ = 'val_loss', ΠΏΠΎΠ΄ΡΠΎΠ±Π½ΡΠΉ = 1, save_best_only = True , ΡΠ΅ΠΆΠΈΠΌ = 'ΠΌΠΈΠ½')callbacks_list = pping]0007
Π’Π΅ΠΏΠ΅ΡΡ ΠΌΡ ΠΏΠΎΠ΄ΠΎΠ³Π½Π°Π»ΠΈ ΠΌΠΎΠ΄Π΅Π»Ρ ΠΈ ΠΏΡΠΎΠ²Π΅ΡΠΈΠ»ΠΈ Π½Π° ΠΏΠΎΡΠ΅ΡΠΈ ΠΈ ΡΠΎΡΠ½ΠΎΡΡΡ.
ΠΌΠΎΠ΄Π΅Π»Ρ . FIT (Trainx, Trainy, Shuffle = True ,
BATCH_SIZE = BATCH_SIZE,
EPOCHS = EPOCHS,
VERBOSE = 1,
Validation_DATA = (TESTX, TELTY),
Validation_DATA = (testx, testy), callbacks = (testx, testy), callbacks = (testx, testy), callbacks = (testx, testy), callbacks wardation_data = (testx, testy). )ΡΡΠ΅Ρ = ΠΌΠΎΠ΄Π΅Π»Ρ . ΠΎΡΠ΅Π½ΠΈΡΡ(testX, testY, verbose = 0)
print('ΠΠΎΡΠ΅ΡΡ ΡΠ΅ΡΡΠ°:', ΠΎΡΠ΅Π½ΠΊΠ°[0])
print('Π’ΠΎΡΠ½ΠΎΡΡΡ ΡΠ΅ΡΡΠ°:', ΠΎΡΠ΅Π½ΠΊΠ°[1])
ΠΠΎΡΠ΅ΡΡ ΡΠ΅ΡΡΠ°: 0,1341324895620346
Π’ΠΎΡΠ½ΠΎΡΡΡ ΡΠ΅ΡΡΠ°: 0,6410256624221802
Π¨Π°Π³ 4: ΡΠ°ΠΌΠΊΠ°
Π² ΠΊΠ°ΡΠ΅ΡΡΠ²Π΅ ΠΏΡΠΎΡΠΎΡΠΈΠΏΠ°, ΠΌΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΠΌ KERAS.
ΠΈΠ· keras. models ΠΈΠΌΠΏΠΎΡΡ load_model
ΠΌΠΎΠ΄Π΅Π»Ρ = load_model('top_model.h5')
ΠΎΡΠ΅Π½ΠΊΠ° = ΠΌΠΎΠ΄Π΅Π»Ρ . ΠΎΡΠ΅Π½ΠΈΡΡ(testX, testY, verbose = 0)
print('ΠΠΎΡΠ΅ΡΡ ΡΠ΅ΡΡΠ°:', ΠΎΡΠ΅Π½ΠΊΠ°[0])
ΠΠ΅ΡΠ°ΡΡ (Β«Π’ΠΎΡΠ½ΠΎΡΡΡ ΡΠ΅ΡΡΠ°:Β», ΠΎΡΠ΅Π½ΠΊΠ° [1])
ΠΠΎΡΠ΅ΡΡ ΡΠ΅ΡΡΠ°: 0,12708203494548798
Π’ΠΎΡΠ½ΠΎΡΡΡ ΡΠ΅ΡΡΠ°: 0,5833333134651184
Π’Π΅ΠΏΠ΅ΡΡ We Trake A We Trak To Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do Do DO ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΡ, Π΄ΠΎΡΡΠΈΠΆΠ΅Π½ΠΈΡ!img_path="sample/sample.jpg"
pil_im =PIL.Image.open(img_path).convert('L')
pil_im=blur_image(pil_im)
org_img = img_to_array(pil_im) def rev_conv_label(ΠΌΠ΅ΡΠΊΠ°) :
Π΅ΡΠ»ΠΈ ΠΌΠ΅ΡΠΊΠ° == 0:
ΠΠΎΠ·Π²ΡΠ°Ρ 'Lato'
ELIF ΠΠ΅ΡΠΊΠ° == 1:
ΠΠΎΠ·Π²ΡΠ°Ρ 'Raleway'
ELIF ΠΠ΅ΠΉΠ±Π» == 2:
return ' ELIF ΠΠ΅ΡΠΊΠ° == 3:
ΠΠΎΠ·Π²ΡΠ°Ρ 'Sansation'
ELIF ΠΠ΅ΡΠΊΠ° == 4:
ΠΠ°Π½Π½ΡΠ΅ 'Walwway'data = []
Data . Π΄ΠΎΠ±Π°Π²ΠΈΡΡ (org_img)
Π΄Π°Π½Π½ΡΠ΅ = np . asarray(data, dtype = "float") / 255.0y = model.predict(data)
y = np.round(y).astype(int)label = rev_conv_label(y[0,0 ]))
ΡΠΈΡ, ax = plt . ΡΡΠ°ΡΡΠΊΠΎΠ² (1)
Π°ΠΊΡΠ΅Π»Π΅ΡΠΎΠΌΠ΅ΡΡΠΎΠ² . imshow(pil_im, ΠΈΠ½ΡΠ΅ΡΠΏΠΎΠ»ΡΡΠΈΡ = 'Π±Π»ΠΈΠΆΠ°ΠΉΡΠΈΠΉ', cmap = ΡΠΌ . ΡΠ΅ΡΡΠΉ)
Π°Ρ . text(5, 5, label , bbox = {'facecolor': 'white', 'pad': 10})
plt . show()
ΠΠΎΡ ΠΈ Π²ΡΠ΅, ΡΠ΅Π±ΡΡΠ°! Π Π°ΡΠΏΠΎΠ·Π½Π°Π²Π°Π½ΠΈΠ΅ ΡΡΠΈΡΡΠΎΠ² Ρ ΠΏΠΎΠΌΠΎΡΡΡ DeepFont.
Mlearning.ai ΠΡΠ΅Π΄Π»ΠΎΠΆΠ΅Π½ΠΈΡ ΠΏΠΎ ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»Π΅Π½ΠΈΡ
ΠΠ°ΠΊ ΡΡΠ°ΡΡ ΠΏΠΈΡΠ°ΡΠ΅Π»Π΅ΠΌ Π½Π° Mlearning.ai
medium.com
ΠΠ°ΠΊ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΠ½ΠΎΠ΅ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠ΅Π½ΠΈΠ΅ Π΄Π»Ρ ΠΏΠΎΠΈΡΠΊΠ° ΡΡΠΈΡΡΠΎΠ² ΠΌΠΎΠΆΠ΅Ρ ΠΏΠΎΠ²ΡΡΠΈΡΡ ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ΄ΠΈΡΠ΅Π»ΡΠ½ΠΎΡΡΡ ΠΌΠ°Π³Π°Π·ΠΈΠ½Π° Π²ΡΠ²Π΅ΡΠΎΠΊ
9007 ΠΡΠΎΠ΄ΡΠΊΡΡ ΠΈ ΠΏΡΠΎΡΠ΅ΡΡΡ Π΄Π»Ρ ΠΏΠΎΠ»ΡΡΠ΅Π½ΠΈΡ ΠΏΡΠΈΠ±ΡΠ»ΠΈ ΠΠ½ΡΡΡΡΠΌΠ΅Π½ΡΡ Π²ΡΠΏΡΡΠΌΠ»Π΅Π½ΠΈΡ, ΠΏΠΎΠ²ΠΎΡΠΎΡΠ° ΠΈ ΠΊΠΎΡΡΠ΅ΠΊΡΠΈΠΈ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ Π²ΡΡΡΠΎΠ΅Π½Ρ Π² ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΠ½ΠΎΠ΅ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠ΅Π½ΠΈΠ΅ Π΄Π»Ρ Π±ΠΎΠ»Π΅Π΅ Π±ΡΡΡΡΠΎΠ³ΠΎ ΡΠ΅Π΄Π°ΠΊΡΠΈΡΠΎΠ²Π°Π½ΠΈΡ. Π Π½Π°ΡΠ°Π»Π΅ 90s, ΠΊΠΎΠ³Π΄Π° Ρ Π½Π°ΡΠΈΠ½Π°Π» Π² ΠΈΠ½Π΄ΡΡΡΡΠΈΠΈ Π²ΡΠ²Π΅ΡΠΎΠΊ, ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΡΡΠΈΡΡΠΎΠ², ΠΊΠΎΡΠΎΡΡΠ΅ ΠΌΡ ΠΎΠ±ΡΡΠ½ΠΎ Π²ΡΠ±ΠΈΡΠ°Π»ΠΈ Π΄Π»Ρ Π½Π°ΡΠΈΡ
ΠΌΠ°ΠΊΠ΅ΡΠΎΠ², ΠΈΡΡΠΈΡΠ»ΡΠ»ΠΎΡΡ Π΄Π΅ΡΡΡΠΊΠ°ΠΌΠΈ. Π Π½Π°ΡΡΠΎΡΡΠ΅Π΅ Π²ΡΠ΅ΠΌΡ ΠΌΡ ΠΈΠΌΠ΅Π΅ΠΌ Π΄Π΅Π»ΠΎ Ρ ΡΡΡΡΡΠ°ΠΌΠΈ Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΡΡ
Π²Π°ΡΠΈΠ°Π½ΡΠΎΠ² ΡΡΠΈΡΡΠΎΠ², ΡΡΠΎ Π·Π°ΡΡΡΠ΄Π½ΡΠ΅Ρ ΡΠΎΠΏΠΎΡΡΠ°Π²Π»Π΅Π½ΠΈΠ΅ ΡΡΡΠ΅ΡΡΠ²ΡΡΡΠΈΡ
Π΄ΠΈΠ·Π°ΠΉΠ½ΠΎΠ², ΠΊΠΎΠ³Π΄Π° ΠΊΠ»ΠΈΠ΅Π½Ρ Π½Π΅ ΠΌΠΎΠΆΠ΅Ρ ΠΏΡΠ΅Π΄ΠΎΡΡΠ°Π²ΠΈΡΡ ΠΈΠ»Π»ΡΡΡΡΠ°ΡΠΈΡ. ΠΠ½ΠΎΠ³Π΄Π° Ρ ΠΊΠ»ΠΈΠ΅Π½ΡΠ° Π΅ΡΡΡ Π»ΠΎΠ³ΠΎΡΠΈΠΏ, ΠΊΠΎΡΠΎΡΡΠΉ ΠΎΠ½ ΠΌΠΎΠΆΠ΅Ρ ΠΏΡΠ΅Π΄ΠΎΡΡΠ°Π²ΠΈΡΡ, Π½ΠΎ Ρ Π½Π΅Π³ΠΎ Π½Π΅Ρ ΡΡΠΈΡΡΠΎΠ², ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΠΌΡΡ
Π² Π»ΠΎΠ³ΠΎΡΠΈΠΏΠ΅, ΠΈ Π²Π°ΠΌ Π½ΡΠΆΠ½ΠΎ Π½Π°Π±ΡΠ°ΡΡ Π΄ΡΡΠ³ΠΎΠΉ ΡΠ΅ΠΊΡΡ Π΄Π»Ρ Π΅Π³ΠΎ Π³ΡΠ°ΡΠΈΠΊΠΈ. Π Π΄ΡΡΠ³ΠΈΡ
ΡΠ»ΡΡΠ°ΡΡ
Π²Π°ΠΌ Π½ΡΠΆΠ½ΠΎ Π²ΠΎΡΡΠΎΠ·Π΄Π°ΡΡ ΠΈΡ
Π»ΠΎΠ³ΠΎΡΠΈΠΏ ΠΈ Π½ΡΠΆΠ½Ρ ΠΎΡΠΈΠ³ΠΈΠ½Π°Π»ΡΠ½ΡΠ΅ ΡΡΠΈΡΡΡ. Π Π»ΡΠ±ΠΎΠΌ ΡΠ»ΡΡΠ°Π΅ Π²Ρ Π΄ΠΎΠ»ΠΆΠ½Ρ Π±ΡΡΡ Π² ΡΠΎΡΡΠΎΡΠ½ΠΈΠΈ ΡΠΎΡΠ½ΠΎ ΠΈ Π±ΡΡΡΡΠΎ ΡΠΎΠΏΠΎΡΡΠ°Π²ΠΈΡΡ ΠΈΡ
ΡΡΠΈΡΡΡ. ΠΡΠΎΠΊΡΡΡΠΊΠ° ΡΠΏΠΈΡΠΊΠ° ΡΡΠΈΡΡΠΎΠ² Π²ΡΡΡΠ½ΡΡ Π² ΠΏΠΎΠΈΡΠΊΠ°Ρ
ΠΏΠΎΠ΄Ρ
ΠΎΠ΄ΡΡΠ΅Π³ΠΎ ΡΡΠΈΡΡΠ° Π½Π΅ ΡΠΎΠ»ΡΠΊΠΎ ΠΎΡΠ½ΠΈΠΌΠ°Π΅Ρ ΠΌΠ½ΠΎΠ³ΠΎ Π²ΡΠ΅ΠΌΠ΅Π½ΠΈ, Π½ΠΎ ΠΈ ΠΌΠΎΠΆΠ΅Ρ Π±ΡΡΡ ΠΏΡΡΡΠΎΠΉ ΡΡΠ°ΡΠΎΠΉ Π²ΡΠ΅ΠΌΠ΅Π½ΠΈ, Π΅ΡΠ»ΠΈ Ρ Π²Π°Ρ Π΄Π°ΠΆΠ΅ Π½Π΅ ΡΡΡΠ°Π½ΠΎΠ²Π»Π΅Π½ ΡΡΠΈΡΡ Π½Π° Π²Π°ΡΠ΅ΠΌ ΠΊΠΎΠΌΠΏΡΡΡΠ΅ΡΠ΅. Π ΡΠ°ΠΊΠΈΡ
ΡΠ»ΡΡΠ°ΡΡ
ΠΏΡΠΈΠ³ΠΎΠ΄ΠΈΡΡΡ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΠ½ΠΎΠ΅ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠ΅Π½ΠΈΠ΅ Π΄Π»Ρ ΠΏΠΎΠΈΡΠΊΠ° ΡΡΠΈΡΡΠΎΠ². Π‘ΡΡΠ΅ΡΡΠ²ΡΠ΅Ρ Π΄ΠΎΠ²ΠΎΠ»ΡΠ½ΠΎ ΠΌΠ½ΠΎΠ³ΠΎ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌ, ΠΏΠΎΠ·Π²ΠΎΠ»ΡΡΡΠΈΡ
ΠΈΡΠΊΠ°ΡΡ ΡΡΠΈΡΡ.
ΠΡΠΎΠ³ΡΠ°ΠΌΠΌΠ½ΠΎΠ΅ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠ΅Π½ΠΈΠ΅ Π΄Π»Ρ ΡΡΠΈΡΡΠΎΠ², ΠΊΠΎΡΠΎΡΠΎΠ΅ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅Ρ Π½Π°ΡΠ° ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΡ, Π½Π°Π·ΡΠ²Π°Π΅ΡΡΡ Find My Font. ΠΡΠΎ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΠ½ΠΎΠ΅ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠ΅Π½ΠΈΠ΅ Π΄Π»Ρ ΠΈΠ΄Π΅Π½ΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ ΡΡΠΈΡΡΠΎΠ², ΠΊΠΎΡΠΎΡΠΎΠ΅ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅Ρ Π·Π°Π³ΡΡΠΆΠ΅Π½Π½ΠΎΠ΅ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅. ΠΡ Π½Π°ΠΆΠΈΠΌΠ°Π΅ΡΠ΅ Π½Π° ΠΏΠΈΠΊΡΠ΅Π»ΠΈ Π² Π·Π°Π³ΡΡΠΆΠ΅Π½Π½ΠΎΠΌ .jpeg, Π° Π·Π°ΡΠ΅ΠΌ Π²Π²ΠΎΠ΄ΠΈΡΠ΅, ΠΊΠ°ΠΊΠΈΠ΅ Π±ΡΠΊΠ²Ρ ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»ΡΡΡ ΡΡΠΈ ΠΏΠΈΠΊΡΠ΅Π»ΠΈ. ΠΠ°ΡΠ΅ΠΌ Π²Ρ Π·Π°ΠΏΡΡΠΊΠ°Π΅ΡΠ΅ ΡΠΊΠ°Π½ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅, ΠΊΠΎΡΠΎΡΠΎΠ΅ ΠΈΡΠ΅Ρ ΡΠΎΠ²ΠΏΠ°Π΄Π°ΡΡΠΈΠ΅ ΡΡΠΈΡΡΡ ΠΈ ΡΠΎΡΡΠ°Π²Π»ΡΠ΅Ρ ΡΠΏΠΈΡΠΎΠΊ.
ΠΡ ΠΌΠΎΠΆΠ΅ΡΠ΅ Π²ΡΠ±ΡΠ°ΡΡ ΠΈΠ· ΡΠΏΠΈΡΠΊΠ° ΡΡΠΈΡΡΡ, ΠΊΠΎΡΠΎΡΡΠ΅ ΡΠΆΠ΅ Π΅ΡΡΡ Π½Π° Π²Π°ΡΠ΅ΠΌ ΠΊΠΎΠΌΠΏΡΡΡΠ΅ΡΠ΅ (Π»ΠΎΠΊΠ°Π»ΡΠ½ΡΠΉ ΠΏΠΎΠΈΡΠΊ), ΠΈΠ»ΠΈ ΡΡΠΈΡΡΡ, ΠΊΠΎΡΠΎΡΡΠ΅ Π΅ΡΡΡ Π² ΡΠ΅ΡΠΈ (ΠΎΠ½Π»Π°ΠΉΠ½-ΠΏΠΎΠΈΡΠΊ). ΠΡ ΠΌΠΎΠΆΠ΅ΡΠ΅ Π·Π°ΠΏΡΡΠΊΠ°ΡΡ Π»ΠΎΠΊΠ°Π»ΡΠ½ΡΠΉ ΠΈ ΠΎΠ½Π»Π°ΠΉΠ½-ΠΏΠΎΠΈΡΠΊ ΠΎΡΠ΄Π΅Π»ΡΠ½ΠΎ ΠΈΠ»ΠΈ ΠΎΠ΄Π½ΠΎΠ²ΡΠ΅ΠΌΠ΅Π½Π½ΠΎ. Π‘ΠΈΡΡΠ΅ΠΌΠ° ΡΠ°Π·Π΄Π΅Π»ΡΠ΅Ρ ΠΈΡ ΠΏΠΎ ΡΠ²Π΅ΡΡ.
Π ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΡ Π²ΡΡΡΠΎΠ΅Π½ΠΎ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΎ Π΄ΠΎΠΏΠΎΠ»Π½ΠΈΡΠ΅Π»ΡΠ½ΡΡ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½ΡΠΎΠ². ΠΠ½ΡΡΡΡΠΌΠ΅Π½Ρ Β«ΠΡΠ°ΡΠ΅Π½ΠΈΠ΅ Π±Π°Π·ΠΎΠ²ΠΎΠΉ Π»ΠΈΠ½ΠΈΠΈΒ» ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ ΠΏΡΠΎΠ²Π΅ΡΡΠΈ ΠΏΠ°ΡΠ°Π»Π»Π΅Π»ΡΠ½ΡΡ Π»ΠΈΠ½ΠΈΡ Π²Π΄ΠΎΠ»Ρ ΠΎΡΠ½ΠΎΠ²Π°Π½ΠΈΡ Π±ΡΠΊΠ², ΡΡΠΎΠ±Ρ Π°Π²ΡΠΎΠΌΠ°ΡΠΈΡΠ΅ΡΠΊΠΈ ΠΏΠΎΠ²Π΅ΡΠ½ΡΡΡ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅ ΠΏΠΎΠ΄ ΡΠ³Π»ΠΎΠΌ ΠΊ ββΠ³ΠΎΡΠΈΠ·ΠΎΠ½ΡΠ°Π»ΠΈ, ΡΡΠΎΠ±Ρ ΠΌΠΎΠΆΠ½ΠΎ Π±ΡΠ»ΠΎ Π²ΡΠ±ΡΠ°ΡΡ ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²ΡΡΡΠΈΠ΅ Π±ΡΠΊΠ²Ρ.
ΠΡΡΠ³ΠΈΠΌ ΡΠ΄ΠΎΠ±Π½ΡΠΌ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½ΡΠΎΠΌ ΡΠ²Π»ΡΠ΅ΡΡΡ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½Ρ Β«Π Π°Π·Π΄Π΅Π»ΠΈΡΠ΅Π»Ρ Π±ΡΠΊΠ²Β», ΠΊΠΎΡΠΎΡΡΠΉ ΠΎΡΠ»ΠΈΡΠ½ΠΎ ΠΏΠΎΠ΄Ρ ΠΎΠ΄ΠΈΡ Π΄Π»Ρ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠΉ, ΠΊΠΎΡΠΎΡΡΠ΅ ΠΌΠΎΠ³ΡΡ Π±ΡΡΡ Π½Π΅ΠΌΠ½ΠΎΠ³ΠΎ ΡΠ°Π·ΠΌΡΡΡΠΌΠΈ, ΠΈΠ»ΠΈ Π»ΠΎΠ³ΠΎΡΠΈΠΏΠΎΠ², Π³Π΄Π΅ Π±ΡΠΊΠ²Ρ ΡΠΎΠ΅Π΄ΠΈΠ½Π΅Π½Ρ. Π§ΡΠΎΠ±Ρ ΠΎΡΡΠΊΠ°Π½ΠΈΡΠΎΠ²Π°ΡΡ ΡΡΠΈΡΡ, Π²Π°ΠΌ Π½ΡΠΆΠ½ΠΎ Π½Π°ΡΠ°ΡΡ Ρ ΠΎΡΠ΄Π΅Π»ΡΠ½ΡΡ Π±ΡΠΊΠ², ΠΏΠΎΡΡΠΎΠΌΡ, ΡΠ°Π·Π΄Π΅Π»ΠΈΠ² ΠΈΡ , Π²Ρ ΡΠΌΠΎΠΆΠ΅ΡΠ΅ Π²Π²Π΅ΡΡΠΈ ΡΠΎ, ΡΡΠΎ ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»ΡΡΡ ΠΏΠΈΠΊΡΠ΅Π»ΠΈ.
ΠΠΎΠ³Π΄Π° Π±ΡΠΊΠ²Ρ Π½Π° ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠΈ ΠΈΠ΄ΡΡ Π²ΠΌΠ΅ΡΡΠ΅, Π²ΡΡΡΠΎΠ΅Π½Π½ΡΠΉ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½Ρ ΡΠ°Π·Π΄Π΅Π»Π΅Π½ΠΈΡ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ ΡΠ°Π·Π΄Π΅Π»ΠΈΡΡ ΠΏΠΈΠΊΡΠ΅Π»ΠΈ ΠΈ Π²ΡΠ±ΡΠ°ΡΡ ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²ΡΡΡΠΈΠ΅ Π±ΡΠΊΠ²Ρ. ΠΡΡΡ ΡΠ°ΠΊΠΆΠ΅ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½ΡΡ Π²ΡΠ°ΡΠ΅Π½ΠΈΡ ΠΈ ΠΈΠ½ΡΡΡΡΠΌΠ΅Π½Ρ ΠΊΠΎΡΡΠ΅ΠΊΡΠΈΠΈ ΠΈ Π΄Π΅ΡΠΎΡΠΌΠ°ΡΠΈΠΈ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ. ΠΡΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ Π²Π°ΠΌ Π½Π°ΡΡΡΠ°ΠΈΠ²Π°ΡΡ ΠΈΠΌΠΏΠΎΡΡΠΈΡΠΎΠ²Π°Π½Π½ΠΎΠ΅ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅ Π² ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΠ½ΠΎΠΌ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠ΅Π½ΠΈΠΈ, ΠΏΠΎΡΡΠΎΠΌΡ Π²Π°ΠΌ Π½Π΅ Π½ΡΠΆΠ½ΠΎ ΡΡΠ°ΡΠΈΡΡ ΠΊΡΡΡ Π²ΡΠ΅ΠΌΠ΅Π½ΠΈ, ΠΏΡΡΠ°ΡΡΡ Π²ΡΠΏΡΡΠΌΠΈΡΡ ΠΈ ΠΎΠ±ΡΠ°Π±ΠΎΡΠ°ΡΡ ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΠ΅ Π² ΠΎΡΠ΄Π΅Π»ΡΠ½ΠΎΠΌ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΠ½ΠΎΠΌ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠ΅Π½ΠΈΠΈ, ΡΠ°ΠΊΠΎΠΌ ΠΊΠ°ΠΊ Photoshop, ΠΏΠ΅ΡΠ΅Π΄ Π΅Π³ΠΎ ΠΈΠΌΠΏΠΎΡΡΠΎΠΌ.