2604

train.py

@@ -716,10 +716,10 @@ for epoch in range(start_epoch, start_epoch + num_epochs):
                 # шум
                 noise = torch.randn_like(latents, dtype=latents.dtype)
     
-                # 3. Время t (сэмплим, как и раньше, но чуть сжимаем края)
-                #u = torch.rand(latents.shape[0], device=latents.device, dtype=latents.dtype)
-                #t = u * (1 - 2 * 1e-5) + 1e-5  # Теперь t строго в (0.00001 ... 0.99999)
-                t = torch.sigmoid(torch.randn(latents.shape[0], device=latents.device, dtype=latents.dtype))
+                # 3. Время t, bias = -0.5 (Фокус на Деталях ~300) bias = 0.5 (Фокус на структуре) bias = 0 (колокол/ равномерно)
+                bias = 0.0  
+                t = torch.sigmoid(torch.randn(latents.shape[0], device=latents.device, dtype=latents.dtype) + bias)
+                
                 # интерполяция между x0 и шумом
                 noisy_latents = (1.0 - t.view(-1, 1, 1, 1)) * latents + t.view(-1, 1, 1, 1) * noise
                 # делаем integer timesteps для UNet