Note

import torch from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained( 'kakaobrain/kogpt', revision='KoGPT6B-ryan1.5b-float16', # or float32 version: revision=KoGPT6B-ryan1.5b bos_token='[BOS]', eos_token='[EOS]', unk_token='[UNK]', pad_token='[PAD]', mask_token='[MASK]' ) model = AutoModelForCausalLM.from_pretrained( 'kakaobrain/kogpt', revision='Ko..

def isEnglishOrKorean(input_s): k_count = 0 e_count = 0 for c in input_s: if ord('가')

# Gaussian Blur import cv2 image = cv2.imread('gray_image.jpg') plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)) plt.show() # kernel_size : 홀수 dst = cv2.GaussianBlur(image, (5,5), 0) plt.imshow(cv2.cvtColor(dst, cv2.COLOR_BGR2RGB)) plt.show()

이미지에 커널을 적용하여 이미지를 흐리게(Blurring = Smoothing) 처리할 수 있습니다. 이미지를 흐리게 만들면 노이즈 및 손상을 줄일 수 있습니다. 컨볼루션 계산 - 특정한 이미지에서 커널을 적용해 컨볼루션 계산하여 필터링을 수행할 수 있습니다. import cv2 import matplotlib.pyplot as plt import numpy as np image = cv2.imread('gray_image.jpg') plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)) plt.show() size = 4 kernel = np.ones((size, size), np.float32) / (size ** 2) print(kernel) dst = cv2.f..

cv2.contourArea(contour) : Contour의 면적을 구합니다. cv2.arcLength(contour) : Contour의 둘레를 구합니다. cv2.moments(contour) : Contour의 특징을 추출합니다. import cv2 import matplotlib.pyplot as plt image = cv2.imread('digit_image.png') image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(image_gray, 230, 255, 0) # 픽셀 값이 230 보다 큰 경우 255, 원본은 배경이 하얀색 thresh = cv2.bitwise_not(thresh) # 검정과 하얀..