# Wie man LLMs in VS Code mit Unsloth & Colab-GPUs feinabstimmt

Sie können LLMs jetzt direkt aus Visual Studio Code (VS Code) feinabstimmen, lokal oder mithilfe der Google-Colab-Erweiterung. In diesem Leitfaden erfahren Sie, wie Sie das Open-Source-Training [Repo: Unsloth](https://github.com/unslothai/unsloth), verwenden, um beliebige [Feinabstimmungs-Notebook](/docs/de/loslegen/unsloth-notebooks.md) in VS Code mit einer Colab-Laufzeit zu verbinden, sodass Sie auf Ihrer lokalen GPU oder der kostenlosen Colab-GPU trainieren können. Sie können auch unser Video-Tutorial [hier](#video-tutorial).

{% stepper %}
{% step %}

### VS Code- und Colab-Tutorial:

Zum Beginnen benötigen wir:

* Installiert [VS Code](https://code.visualstudio.com/). Git (zum Klonen des Notebook-Repos) sollte standardmäßig installiert sein.
* Ein **Google-Konto** (zur Authentifizierung bei Colab)
* Empfohlen: **Jupyter** Erweiterung (die meisten VS Code-Setups haben sie bereits)
  {% endstep %}

{% step %}

#### Installieren Sie die Colab-Erweiterung in VS Code

1. Öffnen **Erweiterungen** in VS Code (`Strg+Shift+X` / `Cmd+Shift+X`)
2. Suchen Sie nach **„Colab“** und installieren Sie die **Google Colab** Erweiterung

<figure><img src="/files/3c881c3c8e9948550fe18c0ad9d919a14a86016c" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Öffnen Sie ein Unsloth-Notebook

1. Klonen Sie das Unsloth- [Notebooks-Repository](https://github.com/unslothai/notebooks):

```bash
git clone https://github.com/unslothai/notebooks
cd notebooks/nb
```

<figure><img src="/files/e308d49e579e2b68de34e2bca5bdca60bc64e274" alt="" width="375"><figcaption></figcaption></figure>

2. Öffnen Sie Ihr gewünschtes Notebook. Unsloth unterstützt die meisten Modelle, einschließlich [Embedding](/docs/de/grundlagen/embedding-finetuning.md), [TTS](/docs/de/grundlagen/text-to-speech-tts-fine-tuning.md). Beispielsweise verwenden wir Qwen3-4B RL: `nb/Qwen3_(4B)-GRPO.ipynb`

<figure><img src="/files/00f517555a06bd17456b9d33a41ec2d131b08c55" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Wählen Sie einen Kernel und wählen Sie Colab

Klicken Sie in der Notebook-Symbolleiste auf **Kernel auswählen**, und wählen Sie dann **Colab**

<figure><img src="/files/ff3d6e5ec3003941e1a381002ae4f248b1fe98b7" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Fügen Sie einen neuen Colab-Server hinzu

Nachdem Sie **Colab**gewählt haben, sehen Sie ein Dropdown mit Serveroptionen.

1. Klicken Sie **+ Neuen Colab-Server hinzufügen**
2. Beim ersten Mal kann ein Browserfenster zur Google-Authentifizierung geöffnet werden
   * Melden Sie sich an, gewähren Sie den Zugriff und kehren Sie dann zu VS Code zurück

<figure><img src="/files/3e117500a915017fce53e08a0dece171b57842fa" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Wählen Sie GPU und benennen Sie den Server

1. Stellen Sie **Hardwarebeschleuniger** auf **GPU**
2. Wählen Sie einen GPU-Typ (zum Beispiel **T4**, falls verfügbar)
3. Geben Sie dem Server einen Namen (beliebig)

<figure><img src="/files/def1c833d79fcd3afb34ab07c52fcc73b39692cc" alt="" width="375"><figcaption></figcaption></figure>

{% hint style="info" %}
Hinweis: Die Verfügbarkeit von GPUs hängt von Ihrem Colab-Plan und der aktuellen Kapazität ab. Wenn Sie keine GPU-Optionen sehen, lesen Sie die Fehlerbehebung weiter unten.
{% endhint %}
{% endstep %}

{% step %}

#### Wählen Sie den Python-Kernel

Sobald die Verbindung zum Colab-Server hergestellt ist, wählen Sie den **Python** Kernel aus, der für diese Laufzeit angezeigt wird (in der Regel ein Python-3-Kernel).

<figure><img src="/files/90f26b8b57e32240ba25c67bb9e98f8d4985a8fa" alt="" width="375"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

#### Führen Sie das Notebook aus

* Klicken Sie **Alle ausführen** in der Notebook-Symbolleiste (oder führen Sie die Zellen von oben nach unten aus)
* Beobachten Sie, wie die Setup-Zellen Abhängigkeiten installieren und dann den Unsloth-Workflow starten
* Sie können unsere speziellen [Feinabstimmungs-](/docs/de/loslegen/fine-tuning-llms-guide.md) oder [Reinforcement-Learning-](/docs/de/loslegen/reinforcement-learning-rl-guide.md) Leitfäden für weitere Informationen darüber ansehen, wie Sie genau mit Unsloth beginnen.
  {% endstep %}
  {% endstepper %}

### Video-Tutorial

{% embed url="<https://youtu.be/5NNggTrEWNQ>" %}

### Fehlerbehebung

#### Nachdem der Colab-Server die Verbindung getrennt hat, wird das Notebook auf einem neuen Server nicht ausgeführt

**Was passiert:**\
Wenn das Notebook geöffnet bleibt, während der Colab-Server die Verbindung trennt, kann VS Code nach dem Wiederverbinden in einem schlechten Kernel-/Laufzeitzustand steckenbleiben. Verwandtes [GitHub-Issue](https://github.com/googlecolab/colab-vscode/issues/200).

**Lösung:** Schließen Sie die Notebook-Registerkarte vollständig und öffnen Sie das Notebook erneut.

#### Sie können keine GPU auswählen (es wird nur die CPU angezeigt)

Mögliche Ursachen und Lösungen:

* **Colab-Free-Tier-Kapazität:** GPUs können vorübergehend nicht verfügbar sein → versuchen Sie es später erneut.
* **Tatsächlich nicht mit einer Colab-Laufzeit verbunden:** überprüfen Sie erneut **Kernel auswählen → Colab** und stellen Sie sicher, dass ein Colab-Server aktiv ist.
* **Konto-/Regionsbeschränkungen oder erreichte Limits:** möglicherweise müssen Sie warten oder ein anderes Google-Konto / einen anderen Plan verwenden.

#### Alles hat funktioniert, aber Pakete sind nach dem Wiederverbinden „verschwunden“

Colab-Laufzeiten sind **ephemer**. Wenn ein Server neu startet, müssen Sie normalerweise die Setup-/Installationszellen erneut ausführen (oft die ersten Zellen im Notebook).


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://unsloth.ai/docs/de/loslegen/install/vs-code.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.