UniFL使用教程

访问UniFL项目官网，点击导航栏中的文档入口，查看项目的适配环境要求，提前安装Python、PyTorch等必要的依赖工具，准备好待优化的扩散模型权重文件。

在官网的下载页面获取最新版本的UniFL项目代码，按照文档指引完成本地部署，通过命令行工具验证项目运行环境是否配置成功。

根据自身优化需求，选择对应的反馈学习模块，在配置文件中设置优化目标、迭代轮次、评价权重等相关参数，关联待优化的扩散模型路径。

启动优化训练流程，可通过控制台实时查看迭代进度、各项指标变化情况，若出现异常可参照文档中的常见问题说明进行参数调整。

优化完成后使用内置的效果对比工具生成测试报告，确认优化效果符合预期后，导出优化后的模型权重，即可部署至对应的AIGC应用中使用。