Buckets:
| # DDPOによる強化学習トレーニング | |
| 🤗 TRL ライブラリと 🤗 Diffusers を使用して、報酬関数に対する強化学習により Stable Diffusion をファインチューニングできます。これは、Black らが [Training Diffusion Models with Reinforcement Learning](https://huggingface.co/papers/2305.13301) で提案した Denoising Diffusion Policy Optimization (DDPO) アルゴリズムを用いて行われ、🤗 TRL では `DDPOTrainer` として実装されています。 | |
| 詳細については、`DDPOTrainer` の API リファレンスと、[TRL を用いた DDPO による Stable Diffusion モデルのファインチューニング](https://huggingface.co/blog/trl-ddpo) というブログ記事をご覧ください。 | |
Xet Storage Details
- Size:
- 767 Bytes
- Xet hash:
- 087c92d79efaaa854dcaa76770ffbd08dfbeffeac374910ebe0316035718d0f1
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.