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.

Update on GitHub