# Unsloth Studio Installation Unsloth Studio funktioniert unter Windows, Linux, WSL und MacOS. Du solltest auf jedem Gerät denselben Installationsprozess verwenden, auch wenn die Systemanforderungen je nach Gerät unterschiedlich sein können. Windows MacOS Linux & WSL Docker Entwicklerinstallation * **Mac:** Wie CPU - [Chat](/docs/de/neu/studio/chat.md#using-unsloth-studio-chat) + [Datenrezepte](/docs/de/neu/studio/data-recipe.md) funktioniert vorerst. **MLX** Training kommt sehr bald. * **CPU: Unsloth funktioniert weiterhin ohne GPU**, aber nur für Chat + Datenrezepte. * **Training:** Funktioniert auf **NVIDIA**: RTX 30, 40, 50, Blackwell, DGX Spark/Station usw. + **Intel** GPUs * **Kommt bald:** Unterstützung für **Apple MLX** und **AMD**. ### Schnellstart {% tabs %} {% tab title="MacOS" %} #### Schritt 1: Unsloth einrichten Starte das `Terminal` unter Mac und installiere dann Unsloth, indem du den folgenden Befehl eingibst. ```bash curl -fsSL https://unsloth.ai/install.sh | sh ``` Unsloth beginnt nun mit der Einrichtung der Umgebung und der Installation der erforderlichen Pakete, wie unten gezeigt. Gib **Y** ein und drücke `Enter` wenn du gefragt wirst, ob du zulassen möchtest, dass Studio jetzt startet. Dadurch wird Unsloth auf deinem lokalen **8888** Port

{% hint style="info" %} gestartet. Wenn du Unsloth während des Installationsprozesses nicht starten wolltest, kannst du die Unsloth-App jederzeit mit `unsloth studio -p 8888` starten. Wenn du möchtest, dass deine Unsloth-Instanz für Clients außerhalb deines PCs/Computers erreichbar ist, füge `-H 0.0.0.0` zum `unsloth studio` Befehl hinzu. {% endhint %} #### Schritt 2: Unsloth starten Öffne deinen bevorzugten Browser und gehe zur `http://127.0.0.1:8888` URL. Wenn dies deine erste Installation von Unsloth ist, wirst du aufgefordert, ein neues Passwort zu erstellen. Danach sollte sich die Unsloth-App nun auf der Chat-Seite öffnen, wie unten gezeigt.

Du kannst es auch mit dem folgenden Befehl starten: ```bash unsloth studio -H 0.0.0.0 -p 8888 ``` {% hint style="info" %} Wenn du möchtest, dass deine Instanz für Clients außerhalb deines PCs/Computers erreichbar ist.\ Füge `-H 0.0.0.0` zum `unsloth studio` Befehl hinzu. {% endhint %} #### Schritt 2: Unsloth starten Öffnen `http://127.0.0.1:8888` in deinem Browser ein. Beim ersten Start erstelle ein neues Passwort, um zur Chat-Seite fortzufahren. **Unsloth Studio** ist jetzt installiert und einsatzbereit. Die Unsloth-App sollte sich nun auf der Chat-Seite öffnen, wie unten gezeigt.

{% hint style="info" %} gestartet. Wenn du Unsloth während des Installationsprozesses nicht starten wolltest, kannst du die Unsloth-App jederzeit mit `unsloth studio -p 8888` starten. Wenn du möchtest, dass deine Unsloth-Instanz für Clients außerhalb deines PCs/Computers erreichbar ist, füge `-H 0.0.0.0` zum `unsloth studio` Befehl hinzu. {% endhint %} #### Schritt 2: Unsloth starten Öffne deinen bevorzugten Browser und gib `http://127.0.0.1:8888` in das URL-Feld ein. Wenn dies deine erste Installation von Unsloth ist, wirst du weitergeleitet zu `http://127.0.0.1:8888/change-password` Seite, wie unten gezeigt:

Gib ein neues Passwort in das `Neues Passwort` Feld ein und gib dasselbe Passwort erneut in `Passwort bestätigen` ein, dann klicke auf den **Passwort ändern** Button**.**

Die Unsloth-App sollte sich nun auf der Chat-Seite öffnen, wie gezeigt. **Unsloth Studio** ist jetzt installiert und einsatzbereit.

Du kannst das Training und das Ausführen von Modellen sofort starten. Unten findest du unsere detailliertere Schritt-für-Schritt-Anleitung für den Einstieg: {% content-ref url="/pages/bf6b637872d3a9f534daa54866ec7d33d9b369a2" %} [Get Started](/docs/de/neu/studio/start.md) {% endcontent-ref %} {% endtab %} {% endtabs %} ### Unsloth Studio aktualisieren Um Unsloth Studio zu aktualisieren, verwende: {% code overflow="wrap" %} ```bash unsloth studio update ``` {% endcode %} Wenn das nicht funktioniert, kannst du Folgendes verwenden: #### **MacOS, Linux, WSL:** ```bash curl -fsSL https://unsloth.ai/install.sh | sh ``` #### **Windows PowerShell:** ```bash irm https://unsloth.ai/install.ps1 | iex ``` ## Systemanforderungen ### Window**s** Unsloth Studio funktioniert direkt unter Windows ohne WSL. Um Modelle zu trainieren, stelle sicher, dass dein System diese Anforderungen erfüllt: **Anforderungen** * Windows 10 oder Windows 11 (64-Bit) * NVIDIA-GPU mit installierten Treibern * **App-Installer** (enthält `winget`): [hier](https://learn.microsoft.com/en-us/windows/msix/app-installer/install-update-app-installer) * **Git**: `winget install --id Git.Git -e --source winget` * **Python**: Version 3.11 bis einschließlich 3.13, aber nicht 3.14 * Arbeite innerhalb einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba** ### MacOS Unsloth Studio funktioniert auf Mac-Geräten für [Chat](#run-models-locally) für GGUF-Modelle und [Datenrezepte](/docs/de/neu/studio/data-recipe.md) ([Export](/docs/de/neu/studio/export.md) kommt sehr bald). **MLX-Training kommt bald!** * macOS 12 Monterey oder neuer (Intel oder Apple Silicon) * Homebrew installieren: [hier](https://brew.sh/) * Git: `brew install git` * cmake: `brew install cmake` * openssl: `brew install openssl` * Python: Version 3.11 bis einschließlich 3.13, aber nicht 3.14 * Arbeite innerhalb einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba** ### Linux & WSL * Ubuntu 20.04+ oder ähnliche Distribution (64-Bit) * NVIDIA-GPU mit installierten Treibern * CUDA-Toolkit (12.4+ empfohlen, 12.8+ für Blackwell) * Git: `sudo apt install git` * Python: Version 3.11 bis einschließlich 3.13, aber nicht 3.14 * Arbeite innerhalb einer Python-Umgebung wie **uv**, **venv**, oder **conda/mamba** ### Docker {% hint style="success" %} Unser Docker-Image funktioniert jetzt für Studio! Wir arbeiten an der Mac-Kompatibilität. {% endhint %} * Ziehe unser neuestes Unsloth-Container-Image: `docker pull unsloth/unsloth` * Starte den Container mit: ```bash docker run -d -e JUPYTER_PASSWORD="mypassword" \ -p 8888:8888 -p 8000:8000 -p 2222:22 \ -v $(pwd)/work:/workspace/work \ --gpus all \ unsloth/unsloth ``` Weitere Informationen [hier ansehen](https://hub.docker.com/r/unsloth/unsloth#unsloth-docker-image). * Rufe deine Studio-Instanz unter `http://localhost:8000` oder unter der externen IP-Adresse `http://external_ip_address:8000/` ### nur CPU Unsloth Studio unterstützt CPU-Geräte für [Chat](#run-models-locally) für GGUF-Modelle und [Datenrezepte](/docs/de/neu/studio/data-recipe.md) ([Export](/docs/de/neu/studio/export.md) kommt sehr bald) * Dasselbe wie oben für Linux erwähnt (außer NVIDIA-GPU-Treiber) und MacOS. ## Entwicklerinstallation (Erweitert) ### **Installation des Haupt-Repos** #### **macOS-, Linux-, WSL-Entwicklerinstallationen:** ```bash git clone https://github.com/unslothai/unsloth cd unsloth ./install.sh --local unsloth studio -H 0.0.0.0 -p 8888 ``` #### **Windows PowerShell-Entwicklerinstallationen:** ```powershell winget install -e --id Python.Python.3.13 --source winget winget install --id=astral-sh.uv -e --source winget winget install --id Git.Git -e --source winget git clone https://github.com/unslothai/unsloth cd unsloth Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass .\install.ps1 --local unsloth studio -H 0.0.0.0 -p 8888 ``` ### **Nightly-Installation** #### **Nightly - MacOS, Linux, WSL:** ```bash git clone https://github.com/unslothai/unsloth cd unsloth git checkout nightly ./install.sh --local ``` Dann jedes Mal zum Starten: ```bash unsloth studio -H 0.0.0.0 -p 8888 ``` #### **Nightly - Windows:** In Windows PowerShell ausführen: ```bash winget install -e --id Python.Python.3.13 --source winget winget install --id=astral-sh.uv -e --source winget winget install --id Git.Git -e --source winget git clone https://github.com/unslothai/unsloth cd unsloth git checkout nightly Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass .\install.ps1 --local ``` Dann jedes Mal zum Starten:

unsloth studio -H 0.0.0.0 -p 8888

### Deinstallieren Um Unsloth Studio zu deinstallieren, befolge diese 4 Schritte: #### **1. Die Anwendung entfernen** * MacOS, WSL, Linux: `rm -rf ~/.unsloth/studio/unsloth_studio` * Windows (PowerShell): `Remove-Item -Recurse -Force "$HOME\.unsloth\studio\unsloth_studio"` Dadurch wird die Anwendung entfernt, aber deine Modell-Checkpoints, Exporte, Historie, der Cache und Chats bleiben erhalten. #### **2. Verknüpfungen und Symlinks entfernen** **macOS:** ```bash rm -rf ~/Applications/Unsloth\ Studio.app ~/Desktop/Unsloth\ Studio ``` **Linux:** ```bash rm -f ~/.local/share/applications/unsloth-studio.desktop ~/Desktop/unsloth-studio.desktop ``` **WSL / Windows (PowerShell):** ```bash Remove-Item -Force "$HOME\Desktop\Unsloth Studio.lnk" Remove-Item -Force "$env:APPDATA\Microsoft\Windows\Start Menu\Programs\Unsloth Studio.lnk" ``` #### **3. Den CLI-Befehl entfernen** **macOS, Linux, WSL:** ```bash rm -f ~/.local/bin/unsloth ``` **Windows (PowerShell):** Der Installer hat das Scripts-Verzeichnis des venv zu deinem User-PATH hinzugefügt. Um es zu entfernen, öffne Einstellungen → System → Info → Erweiterte Systemeinstellungen → Umgebungsvariablen, suche `Scripts` unter Benutzervariablen und entferne den Eintrag, der auf `Path` zeigt, unter Benutzervariablen, und entferne den Eintrag, der auf `.unsloth\studio\...\Scripts`. #### **4. Alles entfernen (optional)** Um auch Historie, Cache, Chats, Modell-Checkpoints und Modellerporte zu löschen, lösche den gesamten Unsloth-Ordner: * MacOS, WSL, Linux: `rm -rf ~/.unsloth` * Windows (PowerShell): `Remove-Item -Recurse -Force "$HOME\.unsloth"` Beachte, dass heruntergeladene HF-Modelldateien separat im Hugging-Face-Cache gespeichert werden — keine der obigen Schritte wird sie entfernen. Siehe **Modelldateien löschen** unten, wenn du diesen Speicherplatz zurückgewinnen möchtest. {% hint style="warning" %} Hinweis: Die Verwendung der `rm -rf` Befehle wird **alles löschen**, einschließlich deiner Historie, des Caches, der Chats usw. {% endhint %} ### **Zwischengespeicherte HF-Modelldateien löschen** Du kannst alte Modelldateien entweder über das Papierkorb-Symbol in der Modellsuche löschen oder indem du den entsprechenden zwischengespeicherten Modellordner aus dem standardmäßigen Hugging-Face-Cache-Verzeichnis entfernst. Standardmäßig verwendet Hugging Face `~/.cache/huggingface/hub/` unter macOS/Linux/WSL und `C:\Users\\.cache\huggingface\hub\` unter Windows. * **MacOS, Linux, WSL:** `~/.cache/huggingface/hub/` * **Windows:** `%USERPROFILE%\.cache\huggingface\hub\` Wenn `HF_HUB_CACHE` oder `HF_HOME` gesetzt ist, verwende stattdessen diesen Speicherort. Unter Linux und WSL kann auch `XDG_CACHE_HOME` das standardmäßige Cache-Root ändern. ### Verwendung alter / vorhandener GGUF-Modelle {% columns %} {% column %} **Update vom 1. Apr.:** Du kannst jetzt einen vorhandenen Ordner auswählen, aus dem Unsloth erkennen soll. **Update vom 27. März:** Unsloth Studio erkennt jetzt **automatisch ältere / bereits vorhandene Modelle** von Hugging Face, LM Studio usw. heruntergeladen. {% endcolumn %} {% column %}

{% endcolumn %} {% endcolumns %} **Manuelle Anweisungen:** Unsloth Studio erkennt Modelle, die in deinen Hugging-Face-Hub-Cache heruntergeladen wurden `(C:\Users{dein_benutzername}.cache\huggingface\hub)`. Wenn du GGUF-Modelle hast, die über LM Studio heruntergeladen wurden, beachte, dass diese in `C:\Users{dein_benutzername}.cache\lm-studio\models` ***ODER*** `C:\Users{dein_benutzername}\lm-studio\models` gespeichert werden. Manchmal, wenn sie nicht sichtbar sind, musst du diese .gguf-Dateien in dein Hugging-Face-Hub-Cache-Verzeichnis (oder einen anderen für llama.cpp zugänglichen Pfad) verschieben oder kopieren, damit Unsloth Studio sie laden kann. Nach dem Fine-Tuning eines Modells oder Adapters in Studio kannst du es nach GGUF exportieren und lokale Inferenz mit **llama.cpp** direkt im Studio-Chat ausführen. Unsloth Studio wird von llama.cpp und Hugging Face angetrieben. ### Google-Colab-Notebook Wir haben ein [kostenloses Google-Colab-Notebook](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb) erstellt, damit du alle Funktionen von Unsloth auf Colabs T4-GPUs ausprobieren kannst. Du kannst die meisten Modelle mit bis zu 22B Parametern trainieren und ausführen und für größere Modelle auf eine größere GPU wechseln. Klicke einfach auf „Run all“ und die UI sollte nach der Installation erscheinen. {% columns %} {% column %} {% embed url="" %} Sobald die Installation abgeschlossen ist, scrolle zu **Start Unsloth Studio** und klicke **Open Unsloth Studio** in der weißen Box, die links angezeigt wird: **Scrolle weiter nach unten, um die eigentliche Benutzeroberfläche zu sehen.** {% endcolumn %} {% column %}

{% endcolumn %} {% endcolumns %} {% hint style="warning" %} Manchmal kann der Studio-Link einen Fehler zurückgeben. Das liegt daran, dass du möglicherweise Cookies deaktiviert hast oder einen Werbeblocker oder Mozilla verwendest. Du kannst trotzdem auf die Benutzeroberfläche zugreifen, indem du unterhalb des Buttons scrollst. Google Colab erwartet außerdem, dass du auf der Colab-Seite bleibst; wenn es Inaktivität erkennt, kann es die GPU-Sitzung beenden. {% endhint %} ## Fehlerbehebung

Problem	Lösung
Python-Version-Fehler	`sudo apt install python3.12 python3.12-venv` Version 3.11 bis einschließlich 3.13, aber nicht 3.14
`nvidia-smi nicht gefunden`	Installiere NVIDIA-Treiber von https://www.nvidia.com/Download/index.aspx
`nvcc nicht gefunden` (CUDA)	`sudo apt install nvidia-cuda-toolkit` oder füge `/usr/local/cuda/bin` zu PATH hinzu
llama-server-Build fehlgeschlagen	Nicht kritisch, Studio funktioniert weiterhin, GGUF-Inferenz wird nicht verfügbar sein. Installiere `cmake` und führe das Setup erneut aus, um das Problem zu beheben.
`cmake nicht gefunden`	`sudo apt install cmake`
`git nicht gefunden`	`sudo apt install git`
Build fehlgeschlagen	Lösche `~/.unsloth/llama.cpp` und führe das Setup erneut aus

--- # 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/neu/studio/install.md?ask= ``` 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.