Entraînement par apprentissage par renforcement avec DDPO

Vous pouvez affiner Stable Diffusion sur une fonction de récompense par apprentissage par renforcement à l'aide de la bibliothèque 🤗 TRL et de 🤗 Diffusers. Cela se fait avec l'algorithme Denoising Diffusion Policy Optimization (DDPO), introduit par Black et al. dans Training Diffusion Models with Reinforcement Learning, et implémenté dans 🤗 TRL avec le DDPOTrainer.

Pour plus d'informations, consultez la référence de l'API DDPOTrainer et l'article de blog Finetune Stable Diffusion Models with DDPO via TRL.