Huấn luyện học tăng cường với DDPO

Bạn có thể tinh chỉnh Stable Diffusion trên một hàm phần thưởng thông qua học tăng cường bằng thư viện 🤗 TRL và 🤗 Diffusers. Điều này được thực hiện bằng thuật toán Tối ưu hóa Chính sách Khuếch tán Loại bỏ nhiễu (Denoising Diffusion Policy Optimization - DDPO) do Black và cộng sự giới thiệu trong Training Diffusion Models with Reinforcement Learning, được triển khai trong 🤗 TRL với DDPOTrainer.

Để biết thêm thông tin, hãy xem tài liệu tham khảo API của DDPOTrainer và bài đăng trên blog Finetune Stable Diffusion Models with DDPO via TRL.