Update app.py

app.py

@@ -18,39 +18,14 @@ pipe = pipe.to(device)
 # Carregando o dataset do Hugging Face
 dataset = load_dataset("LEIDIA/Data_Womleimg", split="train")# Carrega o dataset de imagens
 
-# Carregando o arquivo JSON
-
-file_path = 'Wom_dataset.json'
-if not os.path.exists(file_path):
-    raise FileNotFoundError(f"Arquivo '{file_path}' não encontrado. Verifique o diretório e o nome do arquivo.")
-
-with open('file_path', 'r') as f:
-    Wom_dataset_json = json.load(f)
-
-# Acessando as descrições
+# Acessando as descrições diretamente do dataset
 for example in dataset:
-    image_id = example["image"].filename
-    description = example["Wom_dataset"]  # Acessando a nova feature
+    image_id = example["image"].filename  # Nome do arquivo de imagem
+    description = example.get("description", "Descrição não encontrada")  # Acessando a descrição
     print(f"ID da imagem: {image_id}, Descrição: {description}")
 
-    # Cria um dicionário para mapear IDs de imagem às descrições
-    descriptions = {item['image_id']: item['description'] for item in Wom_dataset_json}
-
-    # Adiciona as descrições ao dataset
-    dataset = dataset.map(lambda example: {'description': descriptions.get(example['image'], '')})
-
-    # Agora você pode acessar as descrições usando dataset[i]['description']
-
-    # Imprime algumas amostras com as descrições
-    for i in range(5):  # Imprime as primeiras 5 amostras
-        example = dataset[i]
-        print(f"Descrição: {example['description']}")
-else:
-    print("Dataset checksums not found, are not in the expected format, or empty. Skipping description loading.")
-
 
-    
-# Definir parâmetros padrão para geração rápida
+    # Definir parâmetros padrão para geração rápida
 DEFAULT_PROMPT = "A beautiful brunette woman wearing a blue leather pants "
 DEFAULT_INFERENCE_STEPS = 6
 IMAGE_WIDTH = 512