# Treinamento de aprendizado por reforço com DDPO

Você pode fazer o fine-tuning do Stable Diffusion em uma função de recompensa por meio de aprendizado por reforço com as bibliotecas 🤗 TRL e 🤗 Diffusers. Isso é feito com o algoritmo Denoising Diffusion Policy Optimization (DDPO), introduzido por Black et al. em [Training Diffusion Models with Reinforcement Learning](https://huggingface.co/papers/2305.13301), que é implementado no 🤗 TRL com o `DDPOTrainer`.

Para mais informações, consulte a referência da API do `DDPOTrainer` e o post no blog [Finetune Stable Diffusion Models with DDPO via TRL](https://huggingface.co/blog/trl-ddpo).