Pelatihan pembelajaran penguatan dengan DDPO

Anda dapat melakukan fine-tuning Stable Diffusion pada fungsi reward melalui reinforcement learning dengan pustaka 🤗 TRL dan 🤗 Diffusers. Hal ini dilakukan dengan algoritma Denoising Diffusion Policy Optimization (DDPO) yang diperkenalkan oleh Black et al. dalam Training Diffusion Models with Reinforcement Learning, yang diimplementasikan dalam 🤗 TRL dengan DDPOTrainer.

Untuk informasi lebih lanjut, lihat referensi API DDPOTrainer dan artikel blog Finetune Stable Diffusion Models with DDPO via TRL.