search
DiscordRedditGitHub

vscodeComment affiner des LLM dans VS Code avec Unsloth & GPU Colab

Guide pour affiner des modèles directement dans Visual Studio Code via Unsloth et Google Colab.

Vous pouvez désormais affiner des LLM directement depuis Visual Studio Code (VS Code), localement ou en utilisant l'extension Google Colab. Dans ce guide, vous apprendrez comment connecter n'importe quel Unsloth notebook de fine-tuning dans VS Code à un runtime Colab, afin que vous puissiez entraîner sur votre GPU local ou le GPU gratuit de Colab. Vous pouvez aussi regarder notre tutoriel vidéo ici.

1

hashtag
Prérequis

Pour commencer, nous aurons besoin de :

  • Installé VS Codearrow-up-right. Git (pour cloner le dépôt du notebook) devrait être installé par défaut.

  • Une Compte Google (pour s'authentifier avec Colab)

  • Recommandé : le Jupyter extension dans VS Code (la plupart des configurations l'ont déjà)

2

hashtag
Installer l'extension Colab dans VS Code

  1. Ouvrir Extensions dans VS Code (Ctrl+Shift+X / Cmd+Shift+X)

  2. Recherchez “Colab” et installer Google Colab l'extension

3

hashtag
Ouvrir un notebook Unsloth

  1. Cloner le dépôt des notebooks :

    git clone https://github.com/unslothai/notebooks
cd notebooks

  2. Ouvrez le notebook souhaité. Unsloth prend en charge la plupart des modèles y compris embedding, TTS. Par exemple, nous utiliserons Qwen3-4B RL : nb/Qwen3_(4B)-GRPO.ipynb

4

hashtag
Sélectionner un kernel et choisir Colab

Dans la barre d'outils du notebook, cliquez sur Select Kernel, puis choisissez Colab

5

hashtag
Ajouter un nouveau serveur Colab

Après avoir choisi Colab, vous verrez un menu déroulant avec des options de serveur.

  1. Cliquez sur + Add New Colab Server

  2. La première fois, une fenêtre de navigateur peut s'ouvrir pour l'authentification Google

    • Connectez-vous, accordez l'accès, puis revenez à VS Code

6

hashtag
Sélectionner le GPU et nommer le serveur

  1. Réglez Accélérateur matériel en GPU

  2. Choisissez un type de GPU (par exemple T4, si disponible)

  3. Donnez un nom au serveur (ce que vous voulez)

circle-info

Remarque : la disponibilité des GPU dépend de votre forfait Colab et de la capacité actuelle. Si vous ne voyez pas d'options GPU, consultez le dépannage ci‑dessous.

7

hashtag
Choisir le kernel Python

Une fois connecté au serveur Colab, sélectionnez le Python kernel qui apparaît pour ce runtime (généralement un kernel Python 3).

8

hashtag
Exécuter le notebook

  • Cliquez sur Run All dans la barre d'outils du notebook (ou exécutez les cellules de haut en bas)

  • Regardez les cellules de configuration installer les dépendances puis lancer le flux de travail Unsloth

hashtag
Tutoriel vidéo

hashtag
Dépannage

hashtag
Après la déconnexion du serveur Colab, le notebook ne s'exécutera pas sur un nouveau serveur

Ce qui se passe : Si le notebook reste ouvert pendant la déconnexion du serveur Colab, VS Code peut rester bloqué dans un mauvais état de kernel/runtime après la reconnexion. Problème lié GitHub issuearrow-up-right.

Correction : Fermez complètement l'onglet du notebook et rouvrez le notebook.

hashtag
Vous ne pouvez pas sélectionner de GPU (seul le CPU apparaît)

Causes possibles et solutions :

  • Capacité du niveau gratuit de Colab : Les GPU peuvent être temporairement indisponibles → réessayez plus tard.

  • Pas réellement connecté à un runtime Colab : revérifiez Select Kernel → Colab et assurez-vous qu'un serveur Colab est actif.

  • Restrictions de compte/région ou limites atteintes : vous devrez peut‑être attendre ou utiliser un autre compte Google / forfait.

hashtag
Tout a fonctionné, mais les packages ont « disparu » après la reconnexion

Les runtimes Colab sont éphémères. Lorsqu'un serveur redémarre, vous devez généralement relancer les cellules de configuration/d'installation (souvent les premières cellules du notebook).

PrécédentCondaSuivantGoogle Colab

Mis à jour

Ce contenu vous a-t-il été utile ?