RadesTH/Duu

from transformers import GPTNeoForCausalLM, GPT2Tokenizer
from PIL import Image, ImageDraw, ImageFont
import requests

# Load GPT-4 model and tokenizer
model = GPTNeoForCausalLM.from_pretrained("EleutherAI/gpt-neo-2.7B")
tokenizer = GPT2Tokenizer.from_pretrained("EleutherAI/gpt-neo-2.7B")

def generate_response(prompt):
# Tokenize prompt
inputs = tokenizer(prompt, return_tensors="pt", max_length=512, truncation=True)

# Generate response
output = model.generate(input_ids=inputs.input_ids, max_length=150, num_return_sequences=1, temperature=0.9, pad_token_id=tokenizer.eos_token_id)

# Decode and return response
return tokenizer.decode(output[0], skip_special_tokens=True)

def create_logo(text):
# Create a blank image with white background
img = Image.new('RGB', (400, 200), color='white')

# Load a font
font = ImageFont.load_default()

# Draw the text on the image
draw = ImageDraw.Draw(img)
draw.text((10, 80), text, fill='black', font=font)

# Save the image
img.save('logo.png')

# Example question to GPT-4
question = "What should be the logo of our company?"

# Generate response from GPT-4
response = generate_response(question)

# Create logo from the response
create_logo(response)

print("Logo created successfully!")
from transformers import GPTNeoForCausalLM, GPT2Tokenizer
from PIL import Image, ImageDraw, ImageFont
import requests

# Load GPT-4 model and tokenizer
model = GPTNeoForCausalLM.from_pretrained("EleutherAI/gpt-neo-2.7B")
tokenizer = GPT2Tokenizer.from_pretrained("EleutherAI/gpt-neo-2.7B")

def generate_response(prompt):
# Tokenize prompt
inputs = tokenizer(prompt, return_tensors="pt", max_length=512, truncation=True)

# Generate response
output = model.generate(input_ids=inputs.input_ids, max_length=150, num_return_sequences=1, temperature=0.9, pad_token_id=tokenizer.eos_token_id)

# Decode and return response
return tokenizer.decode(output[0], skip_special_tokens=True)

def create_logo(text, old_image_url):
# Load old image from URL
old_image = Image.open(requests.get(old_image_url, stream=True).raw)

# Create a blank image with white background
new_image = Image.new('RGB', (800, 400), color='white')
new_draw = ImageDraw.Draw(new_image)

# Paste old image onto new image
new_image.paste(old_image.resize((400, 400)), (0, 0))

# Load a font
font = ImageFont.load_default()

# Draw the text on the image
new_draw.text((410, 160), text, fill='black', font=font)

# Save the new image
new_image.save('new_logo.png')

# Example question to GPT-4
question = "What should be the logo of our company?"

# Generate response from GPT-4
response = generate_response(question)

# URL of the old image
old_image_url = "https://example.com/old_logo.jpg"

# Create new logo from the response and old image
create_logo(response, old_image_url)

print("New logo created successfully!")

原始信息汇总

数据集概述

模型与工具

• 使用的模型：GPTNeoForCausalLM，来自"EleutherAI/gpt-neo-2.7B"预训练模型。
• 使用的分词器：GPT2Tokenizer，同样来自"EleutherAI/gpt-neo-2.B"预训练模型。

功能实现

1. 响应生成

   • 输入：用户提供的提示（prompt）。
   • 处理：使用分词器对提示进行分词，限制最大长度为512，并进行截断处理。
   • 输出：模型生成响应，最大长度为150，返回一个序列，使用温度参数0.9，确保使用结束标记符。

2. 图像处理

   • 功能：创建公司Logo。
   • 输入：由GPT-4模型生成的文本响应。
   • 处理：在空白图像上绘制文本，使用默认字体，将文本放置在指定位置。
   • 输出：保存为PNG格式的Logo图像。

示例应用

• 问题示例："What should be the logo of our company?"
• 处理流程：首先生成文本响应，然后根据响应内容创建Logo图像。

更新功能

• 新增功能：结合旧Logo图像创建新Logo。
  • 输入：旧Logo的URL和GPT-4生成的文本响应。
  • 处理：加载旧Logo，创建新图像，将旧Logo粘贴到新图像中，并在指定位置添加文本。
  • 输出：保存为PNG格式的新Logo图像。