Entrenamiento de aprendizaje por refuerzo con DDPO

Puedes realizar el ajuste fino de Stable Diffusion sobre una función de recompensa mediante aprendizaje por refuerzo con la biblioteca 🤗 TRL y 🤗 Diffusers. Esto se hace con el algoritmo Denoising Diffusion Policy Optimization (DDPO), introducido por Black et al. en Training Diffusion Models with Reinforcement Learning, que está implementado en 🤗 TRL con DDPOTrainer.

Para obtener más información, consulte la referencia de la API de DDPOTrainer y la publicación de blog Finetune Stable Diffusion Models with DDPO via TRL.

Update on GitHub