# 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](https://huggingface.co/papers/2305.13301), 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](https://huggingface.co/blog/trl-ddpo).