diffusers/main/pt/training/ddpo.md

Treinamento de aprendizado por reforço com DDPO

Você pode fazer o fine-tuning do Stable Diffusion em uma função de recompensa por meio de aprendizado por reforço com as bibliotecas 🤗 TRL e 🤗 Diffusers. Isso é feito com o algoritmo Denoising Diffusion Policy Optimization (DDPO), introduzido por Black et al. em Training Diffusion Models with Reinforcement Learning, que é implementado no 🤗 TRL com o DDPOTrainer.

Para mais informações, consulte a referência da API do DDPOTrainer e o post no blog Finetune Stable Diffusion Models with DDPO via TRL.