ttf字体文件抽取自己想要的字

ithouse ithouse 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2.7w累计阅读 2.7w+平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄12年
关注
转载 最新推荐文章于 2026-05-10 09:38:03 发布 2.7w 阅读 AI 写同款· GEO 优化 ›
java中使用sfntly的sfnttool.jar 抽取指定中文字符串ttf文件，简化、裁剪ttf字体库文件大小，java缩小中文ttf字体库文件大小 1、sfnttool.jar 下载地址：  点击打开链接2、（终端）生成命令    java -jar sfnttool.jar文件路径 -s '字体内容' 原始ttf文件路径 裁剪后ttf文件路径   注：字体内容 单引号表示不允许有空格字符 双引号表示可以有空格字符3、java代码生成String content = fontUtil.getContent();content = co... 阅读详情

【说明】

游戏中经常需要用到各种字体，但是网上下载的TTF字体文件最小也有好几兆，要是游戏中需要用到几种字体，那简直不能忍。

通常情况下，我们会用BMFont代替TTF字体，BMFont也有着很多的优势，但是缺点也很明显，每次修改都要美工的配合，而且不支持字号改变（不考虑缩放）。

那么有没有办法能把TTF字体文件变小点呢？答案是肯定的，除了用FontCreator那种累死人不偿命的东西之外，这里介绍一个简单实用的工具。

【介绍】

sfnttool 是谷歌开源项目 sfntly 内置的工具，他的作用是从一个字体文件中提取指定的文字，导出的字体中将只包含你需要的文字。

【下载】

http://download.youkuaiyun.com/detail/ldpjay/8822587

【使用】
确保你的电脑已经安装了Java环境（能运行Java命令），这是必须的。

命令行进入到sfnttool所在目录下。（一个小技巧，在当前文件夹里按住Shift再右键，里面有个“在此处打开命令行”。）

输入下面的命令即可：

java -jar sfnttool.jar  -s '这是一段测试文字' msyh.ttf msyh_simplify.ttf  
java -jar sfnttool.jar -h  
subset [-?|-h|-help] [-b] [-s string] fontfile outfile  
prototype font subsetter  
        -?,-help        print this help information  
        -s,-string       string to subset  
        -b,-bench        benchmark (run 10000 iterations)  
        -h,-hints        strip hints  
        -w,-woff         output woff format  
        -e,-eot  output eot format  
        -x,-mtx  enable microtype express compression for eot format

输出字体在同目录下。

附2500个常用字：

一乙二十丁厂七卜人入八九几儿了力乃刀又三于干亏士工土才寸下大丈与万上小口巾山千乞川亿个勺久凡及夕丸么广亡门义之尸弓己已子卫也女飞刃习叉马乡丰王井开夫天无元专云扎艺木五支厅不太犬区历尤友匹车巨牙屯比互切瓦止少日中冈贝内水见午牛手毛气升长仁什片仆化仇币仍仅斤爪反介父从今凶分乏公仓月氏勿欠风丹匀乌凤勾文六方火为斗忆订计户认心尺引丑巴孔队办以允予劝双书幻玉刊示末未击打巧正扑扒功扔去甘世古节本术可丙左厉右石布龙平灭轧东卡北占业旧帅归且旦目叶甲申叮电号田由史只央兄叼叫另叨叹四生失禾丘付仗代仙们仪白仔他斥瓜乎丛令用甩印乐句匆册犯外处冬鸟务包饥主市立闪兰半汁汇头汉宁穴它讨写让礼训必议讯记永司尼民出辽奶奴加召皮边发孕圣对台矛纠母幼丝式刑动扛寺吉扣考托老执巩圾扩扫地扬场耳共芒亚芝朽朴机权过臣再协西压厌在有百存而页匠夸夺灰达列死成夹轨邪划迈毕至此贞师尘尖劣光当早吐吓虫曲团同吊吃因吸吗屿帆岁回岂刚则肉网年朱先丢舌竹迁乔伟传乒乓休伍伏优伐延件任伤价份华仰仿伙伪自血向似后行舟全会杀合兆企众爷伞创肌朵杂危旬旨负各名多争色壮冲冰庄庆亦刘齐交次衣产决充妄闭问闯羊并关米灯州汗污江池汤忙兴宇守宅字安讲军许论农讽设访寻那迅尽导异孙阵阳收阶阴防奸如妇好她妈戏羽观欢买红纤级约纪驰巡寿弄麦形进戒吞远违运扶抚坛技坏扰拒找批扯址走抄坝贡攻赤折抓扮抢孝均抛投坟抗坑坊抖护壳志扭块声把报却劫芽花芹芬苍芳严芦劳克苏杆杠杜材村杏极李杨求更束豆两丽医辰励否还歼来连步坚旱盯呈时吴助县里呆园旷围呀吨足邮男困吵串员听吩吹呜吧吼别岗帐财针钉告我乱利秃秀私每兵估体何但伸作伯伶佣低你住位伴身皂佛近彻役返余希坐谷妥含邻岔肝肚肠龟免狂犹角删条卵岛迎饭饮系言冻状亩况床库疗应冷这序辛弃冶忘闲间闷判灶灿弟汪沙汽沃泛沟没沈沉怀忧快完宋宏牢究穷灾良证启评补初社识诉诊词译君灵即层尿尾迟局改张忌际陆阿陈阻附妙妖妨努忍劲鸡驱纯纱纳纲驳纵纷纸纹纺驴纽奉玩环武青责现表规抹拢拔拣担坦押抽拐拖拍者顶拆拥抵拘势抱垃拉拦拌幸招坡披拨择抬其取苦若茂苹苗英范直茄茎茅林枝杯柜析板松枪构杰述枕丧或画卧事刺枣雨卖矿码厕奔奇奋态欧垄妻轰顷转斩轮软到非叔肯齿些虎虏肾贤尚旺具果味昆国昌畅明易昂典固忠咐呼鸣咏呢岸岩帖罗帜岭凯败贩购图钓制知垂牧物乖刮秆和季委佳侍供使例版侄侦侧凭侨佩货依的迫质欣征往爬彼径所舍金命斧爸采受乳贪念贫肤肺肢肿胀朋股肥服胁周昏鱼兔狐忽狗备饰饱饲变京享店夜庙府底剂郊废净盲放刻育闸闹郑券卷单炒炊炕炎炉沫浅法泄河沾泪油泊沿泡注泻泳泥沸波泼泽治怖性怕怜怪学宝宗定宜审宙官空帘实试郎诗肩房诚衬衫视话诞询该详建肃录隶居届刷屈弦承孟孤陕降限妹姑姐姓始驾参艰线练组细驶织终驻驼绍经贯奏春帮珍玻毒型挂封持项垮挎城挠政赴赵挡挺括拴拾挑指垫挣挤拼挖按挥挪某甚革荐巷带草茧茶荒茫荡荣故胡南药标枯柄栋相查柏柳柱柿栏树要咸威歪研砖厘厚砌砍面耐耍牵残殃轻鸦皆背战点临览竖省削尝是盼眨哄显哑冒映星昨畏趴胃贵界虹虾蚁思蚂虽品咽骂哗咱响哈咬咳哪炭峡罚贱贴骨钞钟钢钥钩卸缸拜看矩怎牲选适秒香种秋科重复竿段便俩贷顺修保促侮俭俗俘信皇泉鬼侵追俊盾待律很须叙剑逃食盆胆胜胞胖脉勉狭狮独狡狱狠贸怨急饶蚀饺饼弯将奖哀亭亮度迹庭疮疯疫疤姿亲音帝施闻阀阁差养美姜叛送类迷前首逆总炼炸炮烂剃洁洪洒浇浊洞测洗活派洽染济洋洲浑浓津恒恢恰恼恨举觉宣室宫宪突穿窃客冠语扁袄祖神祝误诱说诵垦退既屋昼费陡眉孩除险院娃姥姨姻娇怒架贺盈勇怠柔垒绑绒结绕骄绘给络骆绝绞统耕耗艳泰珠班素蚕顽盏匪捞栽捕振载赶起盐捎捏埋捉捆捐损都哲逝捡换挽热恐壶挨耻耽恭莲莫荷获晋恶真框桂档桐株桥桃格校核样根索哥速逗栗配翅辱唇夏础破原套逐烈殊顾轿较顿毙致柴桌虑监紧党晒眠晓鸭晃晌晕蚊哨哭恩唤啊唉罢峰圆贼贿钱钳钻铁铃铅缺氧特牺造乘敌秤租积秧秩称秘透笔笑笋债借值倚倾倒倘俱倡候俯倍倦健臭射躬息徒徐舰舱般航途拿爹爱颂翁脆脂胸胳脏胶脑狸狼逢留皱饿恋桨浆衰高席准座脊症病疾疼疲效离唐资凉站剖竞部旁旅畜阅羞瓶拳粉料益兼烤烘烦烧烛烟递涛浙涝酒涉消浩海涂浴浮流润浪浸涨烫涌悟悄悔悦害宽家宵宴宾窄容宰案请朗诸读扇袜袖袍被祥课谁调冤谅谈谊剥恳展剧屑弱陵陶陷陪娱娘通能难预桑绢绣验继球理捧堵描域掩捷排掉堆推掀授教掏掠培接控探据掘职基著勒黄萌萝菌菜萄菊萍菠营械梦梢梅检梳梯桶救副票戚爽聋袭盛雪辅辆虚雀堂常匙晨睁眯眼悬野啦晚啄距跃略蛇累唱患唯崖崭崇圈铜铲银甜梨犁移笨笼笛符第敏做袋悠偿偶偷您售停偏假得衔盘船斜盒鸽悉欲彩领脚脖脸脱象够猜猪猎猫猛馅馆凑减毫麻痒痕廊康庸鹿盗章竟商族旋望率着盖粘粗粒断剪兽清添淋淹渠渐混渔淘液淡深婆梁渗情惜惭悼惧惕惊惨惯寇寄宿窑密谋谎祸谜逮敢屠弹随蛋隆隐婚婶颈绩绪续骑绳维绵绸绿琴斑替款堪搭塔越趁趋超提堤博揭喜插揪搜煮援裁搁搂搅握揉斯期欺联散惹葬葛董葡敬葱落朝辜葵棒棋植森椅椒棵棍棉棚棕惠惑逼厨厦硬确雁殖裂雄暂雅辈悲紫辉敞赏掌晴暑最量喷晶喇遇喊景践跌跑遗蛙蛛蜓喝喂喘喉幅帽赌赔黑铸铺链销锁锄锅锈锋锐短智毯鹅剩稍程稀税筐等筑策筛筒答筋筝傲傅牌堡集焦傍储奥街惩御循艇舒番释禽腊脾腔鲁猾猴然馋装蛮就痛童阔善羡普粪尊道曾焰港湖渣湿温渴滑湾渡游滋溉愤慌惰愧愉慨割寒富窜窝窗遍裕裤裙谢谣谦属屡强粥疏隔隙絮嫂登缎缓编骗缘瑞魂肆摄摸填搏塌鼓摆携搬摇搞塘摊蒜勤鹊蓝墓幕蓬蓄蒙蒸献禁楚想槐榆楼概赖酬感碍碑碎碰碗碌雷零雾雹输督龄鉴睛睡睬鄙愚暖盟歇暗照跨跳跪路跟遣蛾蜂嗓置罪罩错锡锣锤锦键锯矮辞稠愁筹签简毁舅鼠催傻像躲微愈遥腰腥腹腾腿触解酱痰廉新韵意粮数煎塑慈煤煌满漠源滤滥滔溪溜滚滨粱滩慎誉塞谨福群殿辟障嫌嫁叠缝缠静碧璃墙撇嘉摧截誓境摘摔聚蔽慕暮蔑模榴榜榨歌遭酷酿酸磁愿需弊裳颗嗽蜻蜡蝇蜘赚锹锻舞稳算箩管僚鼻魄貌膜膊膀鲜疑馒裹敲豪膏遮腐瘦辣竭端旗精歉熄熔漆漂漫滴演漏慢寨赛察蜜谱嫩翠熊凳骡缩慧撕撒趣趟撑播撞撤增聪鞋蕉蔬横槽樱橡飘醋醉震霉瞒题暴瞎影踢踏踩踪蝶蝴嘱墨镇靠稻黎稿稼箱箭篇僵躺僻德艘膝膛熟摩颜毅糊遵潜潮懂额慰劈操燕薯薪薄颠橘整融醒餐嘴蹄器赠默镜赞篮邀衡膨雕磨凝辨辩糖糕燃澡激懒壁避缴戴擦鞠藏霜霞瞧蹈螺穗繁辫赢糟糠燥臂翼骤鞭覆蹦镰翻鹰警攀蹲颤瓣爆疆壤耀躁嚼嚷籍魔灌蠢霸露囊罐翎qwertyuiopasdfghjklzxcvbnmQWERTYUIOPASDFGHJKLZXCVBNM1234567890《》？！，。妩媚曳鎏怡廓沧

字体推荐：
苹果PingHei三款
腾祥嘉丽细圆简
苹方字体
微软雅黑light
汉仪旗黑H2312F45

推荐链接：

http://www.zhaozi.cn/html/fonts/china/riben/2010-11-18/21992.html
https://www.zhihu.com/question/20727176
http://daily.zhihu.com/story/3630127
http://www.epinv.com/post/5740.html
https://sanwen8.cn/p/3a5dO2X.html
https://www.zhihu.com/question/20922638
http://www.fontke.com/font/10552118/
https://www.zhihu.com/question/24878730
http://blog.sina.com.cn/s/blog_62c692fd0100fjtn.html

收录于
Java

当前文章被收录于：

Java
53 篇文章 0 人学习
订阅专栏 查看详情
标签
#字体
利用Python理解TTF矢量字体显示原理 本文从微软雅黑字体MSYH.TTF中抽取出2次B样条曲线和直线的控制节点坐标数据，利用Python将汉字轮廓绘制出来。 MSYH字体轮廓是由2次B样条曲线和直线构成的，下图（fontforge软件获取）可见25-26-27三个控制点是一条曲线，27-28是一条曲线，从图中可以数出13条曲线，15条直线。 Python绘制B样条曲线（De Boor Cox）提供了用Python绘制B样条曲线的程序，本文在其基础上改进，利用读取TTF文件格式的轮廓信息一文中的C#程序获取汉字的控制节点坐标，绘制出汉字轮 阅读详情

相关推荐

字体精简方案即ttf抽取指定字符并生成所需字体与web中使用范例(以生成拼音专用字体为例)

本文以拼音为例，从字体中抽出所有拼音字符生成专用的拼音字体 拼音字符： ɑoeiuübpmfdtnlɡkhjqxzcsrywāáǎàōóǒòēéěèīíǐìūúǔùǖǘǚǜ 工具： 线上工具：https://www.fontke.com/tool/subfont/ 用法简单： node工具：font-spider ./demo/*.html 字蛛是比较老也是比较推荐的方案毕竟很灵活。用法：https://github.com/aui/font-spider 这样我们就抽选出了仅带有指定字符的字体，如果需

遗忘 786

常用汉字2504个（无重复）

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_33935777的博客 7393

常用汉字大全.txt

国汉字大全，收录了5020个常用汉字，可用于制作TextMeshPro字体，和其它行业所需汉字

常用汉字

'的','一','了','是','我','不','在','人','们','有','来','他','这','上','着','个','地','到','大','里','说','去','子','得','也','和','那','要','下','看','天','时','过','出','小','么','起','你','都','把','好','还','多','没','为','又','可','家','学','只',...

muzitian的博客 1912

Git Worktree + Claude Code：多终端并发开发完全实战

深入讲解如何使用 Git Worktree 配合多终端 Claude Code 实现并发开发,通过实战案例展示如何在 Android 开发中提升 2-3 倍效率,彻底告别等待 AI 的问题。

Cheson的专栏 1205

MT4/MT5数据源接入全攻略：从买服务、自研API到低成本DDE，哪种方案适合你？

本文全面解析MT4/MT5数据源接入的三种主流方案：商业服务、自研API和低成本DDE，详细对比其技术参数、成本结构和适用场景。帮助技术团队根据业务需求选择最优方案，确保外汇交易系统的数据流稳定性和实时性，提升交易体验和业务连续性。

weixin_42568801的博客 173

3000个常见汉字

的一是在了不和有大这主中人上为们地个用工时要动国产以我到他会作来分生对于学下级就年阶义发成部民可出能方进同行面说种过命度革而多子后自社加小机也经力线本电高量长党得实家定深法表着水理化争现所二起政三好十战无农使性前等反体合斗路图把结第里正新开论之物从当两些还天资事队批如应形想制心样干都向变关点育重其思与间内去因件日利相由压员气业代全组数果期导平各基或月毛然问比展那它最及外没看治提五解系林者米群头意只明四道马认次文通但条较克又公孔领军流入接席位情运器并飞原油放立题质指建区验活众很教决特此常石强极土少已根共直团统

weixin_45429409的博客 9634

简单概述人形机器人的“大脑、小脑”

原创 仲翔云人形机器人产业通2024年09月13日 19:41上海人形机器人的大脑和小脑是其控制系统的关键组成部分，它们模拟了人类大脑和小脑的功能，以实现复杂的运动控制和决策过程。

AI生成曾小健3 2070

打造属于自己的字体(转)

打造属于自己的字体(转)[@more@] 　　不少做平面的朋友可能都有过这样的经历：在自己的作品中要使用某种特效字体，但是到处都找不到符合自己要求的。于是有些朋友选择了自己绘制，这当然解决了当时的问题，可你有没有想过，把你绘制...

ciya3282的博客 1402

网络安全实战：从Wireshark到BurpSuite的抓包技巧解析

本文深入解析了Wireshark和BurpSuite在网络安全抓包中的实战技巧，从基础对比到高级过滤、核心模块应用及安全测试避坑指南。通过详细的操作步骤和案例分析，帮助读者掌握数据包抓取与分析的核心技能，提升网络安全防护能力。

weixin_29207533的博客 574

让 RAP 弹窗参数真正变成必填：Excel Upload Action 的两种实现路径

摘要 在RAP应用中，action弹窗参数经常缺乏必填校验，导致用户体验差。本文提出两种解决方案：1)在action实现中手动校验，简单但交互不流畅；2)通过root abstract entity和abstract BDEF建模，利用field(mandatory)实现框架级校验，推荐此长期方案。后者将约束集中到模型层，使UI与执行期校验一致，特别适合ABAP Cloud环境。以Excel导入为例，强制填写备注和明确选择试运行，可避免审计问题，提升系统可靠性。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 198

在线手动制做字体子集（少量字的字体裁剪、抽取、提取）

@[TOC]在线手动制做字体子集（小量字的字体裁剪、抽取、提取） 最近需要制作某古典小说的的电子书，其中有二十几个古体的异体字，需要系统或电子书中自带相应的字体或其子集，否则显示都是方框。原因在于这些字属于EXT-B的拓展集字库，一般字体文件都没有相应的字体。但是如果把整个EXT-B字体集嵌入，文件就会过于大（比如细明体的字体文件有十几M，有的还有60多M），而且kindle等设备还会报错（原因还...

chinadada1978的博客 3467

发那科机器人karel程序

备份和查看发那科机器人中的 Karel 程序的过程主要包括从示教器中备份程序，并通过 RoboGuide 等仿真软件查看和运行程序。步骤相对简单，但需要确保你的设备和软件已经设置好，可以通过 FTP 或直接从示教器的外部存储设备进行操作。如果你在操作过程中遇到问题，建议查阅相关的用户手册或联系发那科的技术支持，确保设备设置正确。如果你有更具体的问题或需要进一步帮助，欢迎继续提问！希望如上措施及解决方案能够帮到有需要的你。

**My Coding Family** 1602

手动制做字体子集（字体文件裁剪、抽取、提取，特别适用处理少量繁体异体字）

最近需要制作某古典小说的的电子书，其中有二十几个古体的异体字，需要系统或电子书中自带相应的字体或其子集，否则显示都是方框。原因在于这些字属于EXT-B的拓展集字库，一般字体文件都没有相应的字体。但是如果把整个EXT-B字体集嵌入，文件就会过于大（比如细明体的字体文件有十几M，有的还有60多M），而且kindle等设备还会报错（原因还是字体文件过大，但报的错误没显示原因）。其实，一本100字的小说涉...

chinadada1978的博客 2327

《低功耗方法学》翻译——第一章：介绍

第一章：介绍

记录所学，分享知识，结识挚友 2069

华为OD机考双机位C卷 - 相对开音节 （Java & Python & JS & GO & C++ & C）

华为OD机考双机位C卷 - 相对开音节 ， 提供Java、C++、Python、Go、JavaScript源码实现，并提供完整思路讲解，以及在线OJ模拟做题。

算法大师！ 744

前端性能优化——字体文件压缩

我们在开发前端的时候，经常会用到第三方字体库。一个字体文件少则几百KB，多则几十M，非常影响前端页面的展示速率。 在此我们使用一个npm插件--字蛛，对我们使用到字体文件进行压缩。 一、理解字蛛 字蛛是一个字体压缩器，它的工作原理，是将我们页面上使用到的字体，抽取到字体文件中。这样就缩小了字体文件。 字蛛支持压缩的文件格式暂时为ttf。 二、ttf字体文件准备 我之前在做字体压缩时，字体源文件为otf格式的，字蛛是不支持的。有好多在线站点支持字体文件格式转化，但是效果不好，转化后字体失真。 这

Asion的博客 3652

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

three.js 字体精简处理

three.js 字体精简处理

hequhecong10857的博客 2128

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

使用font-spider解决ttf文件过大问题

在捣鼓个人网页时，有个模块的字体看着不是那么好看，便找了个觉得看着顺眼的字体下载了放在项目中，字体是变了，但是首次加载时，资源加载时间竟然超过了1分钟，优化势在必行。

qq_36523196的博客 1225

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

ttf字体文件子集生成工具

前言：由于ttf字体动不动就就几M，而且也只是用到其中的几个字。对于web页面与微信小游戏中是十分浪费的。so，就有了如何把ttf字体中提取出需要的字体的需求了。 网页工具 使用网页的工具的好处是不用下载安装，点开页面就能使用。 字体子集生成器 客户端 使用客户端适用于网络不方便，更易操作可以自动化操作 Fontmin ...

Leo501的博客 2670

css字体.ttf文件压缩3.1M变8K(原生和Vue中使用)

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、font-spider是什么？二、使用步骤1.安装库2.读入数据使用编写css和html使用font-spider压缩字体使用压缩后的目录font-spider压缩原理在Vue中使用把我们要使用得字体抽离出来后，我在vue的src/assets目录中新建css文件font.css在对应的 .vue文件中引入总结因为 font-spider 只能抽取静态得内容 ，不能动态抽取，对应一些页面上面写死得文字我们可以拿来抽取，达到字

selfsummer的博客 4805

android字体文件过大,加载字体文件过大的问题，不是icon，而是fontFamily

目前在写app时遇到ttf文件加载太大了，放本地打包比app还大(差不多了)，放服务器加载太慢，于是乎想要看看能不能把这个ttf字体包搞小一点。首先是加载字体文件的loadFontFace，插件市场也有很好的字体引入插件。但是各种字体文件的通病就是ttf字体包很小的不支持汉字，支持全汉字等的文件比较大(动不动就支持拉丁，日，韩，朝等各种文字，还有各种生僻字，总共5-6万字的字体库)。后来有人说，这...

weixin_35813209的博客 1419

ttf字体压缩，抽取指定字符串，减少字体包大小

1.创建font.css,引入需要用到的字体，定义好font-famaily，并在下方定义好需要用到的id名，方便后面改变字体直接使用。三、终端输入命令，提取需要的字体。

u010227042的博客 1544

字体生成器 － 用CSS美化中文网站 － 裁剪TTF生成WOFF

在线演示：http://107.170.255.64:3000/1 输入纯文本文件， 包含网站所需文字（越少越好）2 输入TTF文件上传后，后台根据需要文字从TTF文件中抽取自动生成woff文件：下载文件名为download，请自行改名xxx.woff后置于CSS文件中：@font-face{...

535

服务器 字体文件太大,网页的字体文件过大

今天写好了一个网页，开心的放到了云服务器，查看效果，结果发现忘记把字体文件拷过去。但是当字体文件拷过去后，再次访问网页时，网页加载变得十分缓慢，几分钟后才会将字体加载完成。当时那个郁闷啊，才四个字用的着加载那么那么久。然后想起了菜鸡教程对CSS3 @font-face 规则的介绍中有一句是这样的，只需简单的将字体文件包含在网站中，它会自动下载给需要的用户。要下载给用户？？？也就是说在加载网页的过程...

weixin_30563851的博客 709

sfnttool的基本使用方法【很给力的字体抽取工具】

先来下载地址http://download.youkuaiyun.com/detail/biegral/9450699然后是使用方法（jar文件，需要java环境） 在sfnttool.jar的目录下开始命令行：java -jar sfnttool.jar -s '你需要的字体的文字信息' 该目录下的原始字体.ttf 你生成新字体文件.ttf最后，生成字体还支持woff格式

而立之年的涅槃 6591
上一篇： XRecyclerView的Header包含ListView冲突解决（XRecyclerView嵌套ListView）
下一篇： 安卓缓存文件
点赞 2
评论 4
书签 书签 14
ithouse
ithouse
博客等级 码龄12年 200粉丝 212原创
+ 关注 专栏目录 订阅专栏
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值