# AMDの力を解き放つ: Unslothの公式サポートが登場！

<div data-with-frame="true"><figure><img src="/files/f0a3ee6ab1aacfcbef97e47438472fa77fd2386b" alt=""><figcaption></figcaption></figure></div>

## 1. Unslothの紹介

UnslothはLLMのファインチューニング用ライブラリで、独自のTritonカーネルと最適化されたPyTorchを基盤としています。トップクラスのハードウェアがなくても高性能なファインチューニングを利用できるようにし、現在ではAMD GPUにも対応しています。

## 2. AMDへのUnslothのインストール

AMDハードウェアでUnslothを使い始めるのは簡単です。最高の体験のため、最新のLinuxディストリビューションの使用を推奨します。

最も簡単なインストール方法は、Unsloth Studioをセットアップするワンラインインストーラーを使うことです。Unsloth Studioは、ファインチューニング実行の管理、推論の実行、レシピ付きデータセットの生成、モデル比較のためのフルGUIであり、ROCm最適化カーネルを含む必要な依存関係もすべて導入します。

```
curl -fsSL https://unsloth.ai/install.sh | sh
```

これにより、AMD GPUが自動検出され、正しいROCm互換PyTorchホイールがインストールされ、Studio UIが起動するので、すぐに始められます。

### 2.1 pipでインストール（Pythonライブラリのみ）

Studio UIを使わずにPythonライブラリとしてUnslothを使いたい場合は、pipで直接インストールできます。

```
pip install unsloth[amd]
```

注：これはPyTorchをインストールしません。先にROCm互換のPyTorchを別途インストールする必要があります。完全なセットアップについては [Unsloth AMDドキュメント](https://unsloth.ai/docs/get-started/install/amd) を参照してください。

## 3. AMDでUnsloth Studioを使う

インストール後、Unsloth Studioはブラウザで自動的に起動します。クラウドは不要で、NVIDIAハードウェアも必要ありません。以下はAMDで始めるための簡単なワークフローです。完全な使い方については [Unsloth Studio公式ドキュメント](https://unsloth.ai/docs/new/studio/start) をご覧ください。

インストーラーを実行すると、AMD GPUがROCm™ソフトウェア経由で検出され、UIをすぐに使える状態になります。モデル、データセット、パラメータを選択し、［Start Training］を押してください。

<div data-with-frame="true"><figure><img src="/files/5b7b3676bd158abd3d8031400deab91b2de08eae" alt=""><figcaption></figcaption></figure></div>

*Unsloth Studioのファインチューニング設定画面。モデルの学習を思いどおりに行えるよう、完全にカスタマイズ可能です。*

<div data-with-frame="true"><figure><img src="/files/2a0999a37bb373e0e6253b9e95ab7239f5583d26" alt=""><figcaption></figcaption></figure></div>

*AMDハードウェア上で起動するUnsloth Studio。UIが最初のモデルを読み込む間、ターミナルがROCmの検出を確認しています。*

Studioは、学習進捗、損失、VRAM使用量、GPU温度など、あらゆる情報をリアルタイムで追跡するため、ハードウェアが何をしているかを常に正確に把握できます。

<div data-with-frame="true"><figure><img src="/files/52e229990fbc507cd152f4e8ddef04dedca61964" alt=""><figcaption></figcaption></figure></div>

*AMD上でのライブファインチューニング実行。Unsloth Studioが進捗をリアルタイムで追跡します。*

学習が完了したら、GGUF、Safetensors、またはLoRAにエクスポートして、Hugging Face、llama.cpp、Ollama、vLLMなど、どこでも展開できます。また、この機能を使って既存のHFモデルを希望の形式に変換することもできます。<br>

<div data-with-frame="true"><figure><img src="/files/2c7207c532a7f240988a9c4a3aa34518f7049ad1" alt=""><figcaption></figcaption></figure></div>

*モデルを希望の形式にエクスポートし、任意の場所にデプロイします。*

<figure><img src="/files/24a1b184eac8154aae59f56f44f6dd665e3e2e70" alt=""><figcaption></figcaption></figure>

*Studioのプレイグラウンドで、新しくファインチューニングしたモデルと直接チャットできます。*

これでAMD向けの一連の流れは完了です。GPUが対応しているかは、以下のハードウェア表を確認してください。

## 4. 対応AMDハードウェア

Unsloth公式AMDサポートの初回リリースでは、最も人気があり高性能なカードを対象としています。以下の表は、現在サポートされているAMDハードウェアを示しています。

| アーキテクチャ  | シリーズ                                                        | gfxコード                    | ステータス |
| -------- | ----------------------------------------------------------- | ------------------------- | ----- |
| RDNA 4   | Radeon™ RX 9000シリーズ グラフィックス（デスクトップ）                         | gfx1200, gfx1201          | 完全対応  |
| RDNA 3.5 | Ryzen AI 300シリーズ（Strix Point）/ Ryzen AI MAXシリーズ（Strix Halo） | gfx1150, gfx1151, gfx1152 | 完全対応  |
| RDNA 3   | Radeon™ RX 7000シリーズ グラフィックス（デスクトップ）                         | gfx1100, gfx1101, gfx1102 | 完全対応  |
| RDNA 2   | Radeon™ RX 6000シリーズ                                         | gfx1030–gfx1036           | 完全対応  |
| CDNA 4   | Instinct™ MI350シリーズ GPU（データセンター）                            | gfx950                    | 完全対応  |
| CDNA 3   | Instinct™ MI300シリーズ GPU（データセンター）                            | gfx940, gfx941, gfx942    | 完全対応  |
| CDNA 2   | Instinct™ MI200シリーズ GPU                                     | gfx90a                    | 対応    |
| CDNA 1   | Instinct™ MI100 GPU                                         | gfx906, gfx908            | 非対応   |

*完全対応 - ハードウェア固有のカーネルチューニングが有効です（最適性能）。*&#x20;

*対応 - 一般的なHIP/ROCm経路で実行されます。機能しますが、アーキテクチャ固有の最適化はありません。*

### 4.1 AMD向けCI/CD

AMDサポートを出しただけではありません。動作し続けることを確認するために95個の自動テストを作成しました（[PR #4824](https://github.com/unslothai/unsloth/pull/4824)）。このテスト群はROCmスタック全体をカバーし、物理的なAMDハードウェアなしでCI上で完全に実行されるため、すべてのPRはリリース前に検証されます。

すでにその価値は実証済みです： [PR #4940](https://github.com/unslothai/unsloth/pull/4940) は、rocminfoが同じGPUに対して汎用のファミリーターゲット（例：gfx9）と特定のアーキテクチャターゲット（例：gfx90a）の両方を出力するGPUターゲット抽出のバグを修正しました。旧コードはその両方をGPU\_TARGETSに渡していたため、HIPビルドが壊れていました。この修正では重複を除去して特定ターゲットのみを残し、汎用プレフィックスは削除します。マージ前に実機のMI300Xハードウェアで検証済みです。

5\. AMDサポートの構築方法

Unslothの独自Tritonカーネルは、ROCmチームと密接に連携してAMDへ移植されており、インストーラー、ハードウェア検出、ランタイムの再構築が必要でした。詳細は [PR #4720](https://github.com/unslothai/unsloth/pull/4720) をご覧ください。主な変更点は以下のとおりです：

* HIP化：カーネルをHIP/ROCmへ移植し、AMDハードウェア向けのプロファイリングとメモリ最適化を実施。
* マルチパスROCm検出：ベアメタル、コンテナ、パッケージ管理された環境にわたって、フォールバック（rocminfo、amd-smi、hipconfigなど）を使ってAMD GPUを検出します。
* HIPネイティブ実行：Tritonのis\_hip()ランタイムチェック経由でカーネルをHIPにルーティングし、混在システムではNVIDIAの優先順位を維持します。
* AMD監視：ハードウェア監視とVRAM解析のための新しいamd.pyモジュール。
* Radeonホイール（[PR #4770](https://github.com/unslothai/unsloth/pull/4770)）：検出されたROCmバージョンに合わせたROCm互換PyTorchホイールを自動インストールします。
* ROCm向けllama.cpp：ROCmの事前ビルドバイナリをAMDホストに提供し、ソースコンパイルをフォールバックとして使用します。

### 5.1. 今後のロードマップは？

AMD x Unslothコミュニティへの私たちの取り組みは、ここで終わりません。ロードマップの主な項目は以下のとおりです：

* より堅牢なCI/CD：AMDハードウェアをCI/CDに追加。
* AMD向けGPU利用率モニターのサポート修正：修正を近日公開。

## 6. AMD Developer CloudでUnslothを試す

今日、最も簡単にAMD上のUnslothを体験する方法はAMDのDeveloper Cloudを使うことです。セットアップは不要です。192GB VRAMを搭載したMI300X GPUによるワンクリックのノートブックアクセスを提供し、利用可能な中でも最も強力なAIハードウェアの一部に即座にアクセスできます。

AMDは、 [AMD AI Developer Program](https://www.amd.com/en/developer/ai-dev-program.html)を通じて100ドル分の無料クレジットを提供しています。既存のUnslothノートブックをAMDで実行するのは、Github URLのドメインを入れ替えるだけで簡単です：

<table data-header-hidden><thead><tr><th width="170"></th><th></th></tr></thead><tbody><tr><td><br></td><td>URL</td></tr><tr><td>Github URL</td><td><a href="https://github.com/unslothai/notebooks/blob/main/nb/AMD-gpt_oss_(20B)_Reinforcement_Learning_2048_Game_BF16.ipynb">https://github.com/unslothai/notebooks/blob/main/nb/AMD-gpt_oss_(20B)_Reinforcement_Learning_2048_Game_BF16.ipynb</a></td></tr><tr><td>AMD Dev Cloud</td><td><a href="https://amd-ai-academy.com/github/unslothai/notebooks/blob/main/nb/AMD-Gemma4_(E2B)_Reinforcement_Learning_Sudoku_Game.ipynb">https://amd-ai-academy.com/github/unslothai/notebooks/blob/main/nb/AMD-Gemma4_(E2B)_Reinforcement_Learning_Sudoku_Game.ipynb</a> </td></tr></tbody></table>

質問や問題がありますか？ [Discord](https://discord.com/invite/unsloth)で私たちを見つけるか、 [ドキュメント](https://unsloth.ai/docs/get-started/install/amd)を閲覧するか、 [GitHub](https://github.com/unslothai/unsloth/issues)にバグを報告してください。UnslothがあなたのAMDハードウェアでどのように動作するかぜひ聞かせてください。また、問題のトラブルシューティングもお手伝いします。


---

# 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/jp/burogu/amdnowokitsu-unslothnosaptoga.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.