Update config.json

config.json

@@ -1,18 +1,33 @@
 {
-  "sample_size": 32,
-  "in_channels": 3,
-  "out_channels": 3,
-  "layers_per_block": 2,
-  "block_out_channels": [128, 256, 384, 512],
-  "down_block_types": ["DownBlock2D", "AttnDownBlock2D", "DownBlock2D", "DownBlock2D"],
-  "up_block_types": ["UpBlock2D", "UpBlock2D", "AttnUpBlock2D", "UpBlock2D"],
-  "mid_block_scale_factor": 1,
-  "act_fn": "silu",
-  "attention_head_dim": 8,
-  "norm_num_groups": 32,
-  "norm_eps": 1e-5,
-  "time_embedding_type": "positional",
-  "resnet_time_scale_shift": "default",
-  "class_embed_type": "identity",
-  "num_class_embeds": null
+  "in_channels": 3,           // 输入通道数
+  "out_channels": 3,          // 输出通道数
+  "down_block_types": [       // 下采样块类型
+    "DownBlock2D", 
+    "AttnDownBlock2D", 
+    "DownBlock2D"
+  ],
+  "up_block_types": [         // 上采样块类型
+    "UpBlock2D", 
+    "AttnUpBlock2D", 
+    "UpBlock2D"
+  ],
+  "block_out_channels": [     // 每个下采样阶段的输出通道数
+    128, 
+    256, 
+    384, 
+    512
+  ],
+  "layers_per_block": 2,      // 每个残差块内的层数
+  "norm_num_groups": 32,      // 归一化层的组数
+  "cross_attention_dim": null, // 交叉注意力维度（未使用）
+  "attention_head_dim": 8,    // 注意力头的维度
+  "resnet_time_scale_shift": "default", // 时间尺度变换类型
+  "class_embed_type": null,    // 类别嵌入类型（未使用）
+  "num_class_embeds": null,    // 类别嵌入数量（未使用）
+  "use_linear_projection": false, // 是否使用线性投影（未使用）
+  "only_cross_attention": false, // 是否仅使用交叉注意力（未使用）
+  "mid_block_scale_factor": 1, // 中间块的尺度因子
+  "out_bias": true,           // 输出是否带有偏置项
+  "flip_sin_to_cos": true,    // 是否翻转正弦到余弦（时间编码）
+  "freq_shift": 0             // 频率偏移量（时间编码）
 }