diffusers/main/tr/training/ddpo.md

DDPO ile pekiştirmeli öğrenme eğitimi

🤗 TRL kütüphanesi ve 🤗 Diffusers ile Stable Diffusion'u pekiştirmeli öğrenme yoluyla bir ödül fonksiyonu üzerinde ince ayarlayabilirsiniz. Bu, Black ve ark. tarafından Training Diffusion Models with Reinforcement Learning makalesinde tanıtılan Denoising Diffusion Policy Optimization (DDPO) algoritmasıyla yapılır ve 🤗 TRL'de DDPOTrainer ile uygulanmıştır.

Daha fazla bilgi için DDPOTrainer API referansına ve TRL ile DDPO kullanılarak Stable Diffusion modellerinin ince ayarlanması blog yazısına göz atın.