使用 DDPO 进行强化学习训练
译者：疾风兔X
项目地址：https://huggingface.apachecn.org/docs/diffusers/training/ddpo
您可以通过使用 🤗 TRL 库和 🤗 Diffusers 进行强化学习来精细调整奖励函数的 Stable Diffusion。这是通过Black等人在《利用强化学习训练扩散模型》（Training Diffusion Models with Reinforcement Learning）中引入的去噪扩散策略优化（DDPO）算法完成的，该算法在🤗 TRL中使用DDPOTrainer实现。
有关更多信息，请查看 DDPOTrainer的API参考文档 和 使用TRL与DDPO微调Stable Diffusion模型（Finetune Stable Diffusion Models with DDPO via TRL） 博客文章。
