# Entrenamiento de aprendizaje por refuerzo con DDPO

Puedes realizar el ajuste fino de Stable Diffusion sobre una función de recompensa mediante aprendizaje por refuerzo con la biblioteca 🤗 TRL y 🤗 Diffusers. Esto se hace con el algoritmo Denoising Diffusion Policy Optimization (DDPO), introducido por Black et al. en [Training Diffusion Models with Reinforcement Learning](https://huggingface.co/papers/2305.13301), que está implementado en 🤗 TRL con `DDPOTrainer`.

Para obtener más información, consulte la referencia de la API de `DDPOTrainer` y la publicación de blog [Finetune Stable Diffusion Models with DDPO via TRL](https://huggingface.co/blog/trl-ddpo).