dataset/test_dataset_t2i.py

import os
import argparse
import torch
from torchvision import transforms
from torch.utils.data import DataLoader
from PIL import Image
from t2i import Text2ImgDataset  # 确保你的类写在 t2i.py 或其他 import 位置正确
from tqdm import tqdm

def get_args():
    parser = argparse.ArgumentParser()
    parser.add_argument('--data_path', type=str, required=True, help='包含 .jsonl 文件的路径')
    parser.add_argument('--t5_feat_path', type=str, required=True, help='T5 .npy 文件路径')
    parser.add_argument('--short_t5_feat_path', type=str, default=None, help='备用 T5 特征路径')
    parser.add_argument('--image_size', type=int, default=512)
    parser.add_argument('--downsample_size', type=int, default=8)
    parser.add_argument('--max_show', type=int, default=5, help='最多显示多少条样本')
    return parser.parse_args()

def main():
    args = get_args()

    transform = transforms.Compose([
        transforms.Resize((args.image_size, args.image_size)),
        transforms.ToTensor()
    ])

    dataset = Text2ImgDataset(args, transform=transform)
    dataset.__getitem__
    print(f"📦 数据集大小: {len(dataset)}")

    loader = DataLoader(dataset, batch_size=1, shuffle=False, num_workers=2)

    for i, (img, t5_feat, attn_mask, valid) in enumerate(tqdm(loader)):
        print(f"\n🟡 Sample #{i}")
        print(f" - 图像尺寸: {img.shape}")
        print(f" - T5 特征 shape: {t5_feat.shape}")
        print(f" - Attention mask shape: {attn_mask.shape}")
        print(f" - 是否有效: {valid.item()}")
        if valid.item() == 0:
            print(" ⚠️ 无效样本，可能 T5 特征缺失或图片加载失败")
        if i + 1 >= args.max_show:
            break

if __name__ == "__main__":
    main()