# 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](https://huggingface.co/papers/2305.13301) 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](https://huggingface.co/blog/trl-ddpo) blog yazısına göz atın.