如果你有大量简单的SVG图像，则可以使用一些可用的库（https://pypi.python.org/pypi/svg.path）来将SVG的子集转换为线段，然后可以在将数据转换为stroke-3格式之前对线段应用RDP。

　　预训练模型

　　我们为aaron_sheep数据集提供了预先训练的模型，用于条件和无条件训练模式，使用vanilla LSTM单元以及带有层规范化的LSTM单元。这些型号将通过运行Jupyter Notebook下载。它们存储在：

　　/tmp/sketch_rnn/models/aaron_sheep/lstm

　　/tmp/sketch_rnn/models/aaron_sheep/lstm_uncond

　　/tmp/sketch_rnn/models/aaron_sheep/layer_norm

　　/tmp/sketch_rnn/models/aaron_sheep/layer_norm_uncond

　　此外，我们为选定的QuickDraw数据集提供了预先训练的模型：

　　/tmp/sketch_rnn/models/owl/lstm

　　/tmp/sketch_rnn/models/flamingo/lstm_uncond

　　/tmp/sketch_rnn/models/catbus/lstm

　　/tmp/sketch_rnn/models/elephantpig/lstm

　　使用Jupyter notebook的模型

　　让我们来模拟猫和公车之间的插值！

　　我们涵盖了一个简单的Jupyter notebook（），向你展示如何加载预先训练的模型并生成矢量草图。你能够在两个矢量图像之间进行编码，解码和变形，并生成新的随机图像。采样图像时，可以调整temperature参数来控制不确定度。