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