使用 DDPO 进行强化学习训练

您可以使用 🤗 TRL 库和 🤗 Diffusers，通过强化学习针对奖励函数对 Stable Diffusion 进行微调。该过程采用 Black 等人在 Training Diffusion Models with Reinforcement Learning 中提出的去噪扩散策略优化（DDPO）算法，该算法在 🤗 TRL 中通过 DDPOTrainer 实现。

有关更多信息，请参阅 DDPOTrainer API 参考以及 使用 TRL 通过 DDPO 微调 Stable Diffusion 模型 博客文章。

Update on GitHub