> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/jp/meru/fine-tuning-for-beginners/unsloth-requirements.md).
# Unslothの要件
こちらは、システム要件とGPU VRAM要件を含むUnslothの要件です。
Unsloth は 3 つの方法で使えます: 私たちの [Unsloth Desktop](/docs/jp/desktop.md) アプリ、私たちの [Unsloth Studio](/docs/jp/shii/studio/install.md) Web UI、または [Unsloth Core](#unsloth-core-requirements)、元のコードベース版です。それぞれ要件が異なります。
## **Unsloth の要件**
* **Mac:** 学習、MLX、GGUF 推論はすべてサポートされています。
* **CPU: Unsloth は GPU なしでも引き続き動作します**、Chat + Data Recipes 用。
* **学習:** 対応 **NVIDIA**, **AMD**, **Intel** GPU そして **Mac** デバイス
### :windows: ウィンドウ**ズ**
Unsloth Studio は WSL なしで Windows 上で直接動作します。モデルを学習するには、システムが次の要件を満たしていることを確認してください：
**要件**
* Windows 10 または Windows 11（64 ビット）
* ドライバーがインストールされた NVIDIA GPU
* **アプリ インストーラー** （含む `winget`): [ここ](https://learn.microsoft.com/en-us/windows/msix/app-installer/install-update-app-installer)
* **Git**: `winget install --id Git.Git -e --source winget`
* **Python**：バージョン 3.11 以上 3.14 未満
* 次のような Python 環境内で作業してください： **uv**, **venv**、または **conda/mamba**
### :apple: MacOS
Unsloth Studio は macOS デバイスで動作し、学習、MLX、GGUF 推論を完全にサポートします。
* macOS 12 Monterey 以降（Intel または Apple Silicon）
* Homebrew をインストール： [ここ](https://brew.sh/)
* Git： `brew install git`
* cmake： `brew install cmake`
* openssl： `brew install openssl`
* Python：バージョン 3.11 以上 3.14 未満
* 次のような Python 環境内で作業してください： **uv**, **venv**、または **conda/mamba**
### :linux: Linux と WSL
* Ubuntu 20.04 以降、または同等のディストリビューション（64 ビット）
* ドライバーがインストールされた NVIDIA GPU
* CUDA Toolkit（12.4 以上を推奨、Blackwell では 12.8 以上）
* Git： `sudo apt install git`
* Python：バージョン 3.11 以上 3.14 未満
* 次のような Python 環境内で作業してください： **uv**, **venv**、または **conda/mamba**
### :microchip: CPU のみ
Unsloth Studio は CPU デバイスをサポートし、 [Chat](#run-models-locally) GGUF モデル用、および [Data Recipes](/docs/jp/shii/studio/data-recipe.md) ([エクスポート](/docs/jp/shii/studio/export.md) 近日公開）
* Linux（NVIDIA GPU ドライバーを除く）および MacOS については、上記と同じです。
### **学習**
Unsloth Studio の学習は現在、NVIDIA、 [AMD](/docs/jp/meru/install/amd.md)、MLX、Intel デバイスで動作します。引き続き [元の Unsloth Core](#unsloth-requirements) を使って AMD および Intel デバイスで学習できます。 **Python 3.11–3.13** が必要です。
| 要件 | Linux / WSL | Windows |
| ---------------- | --------------------------------------- | ------------------------------ |
| **Git** | 通常はプリインストール済み | セットアップスクリプトによりインストール（`winget`) |
| **CMake** | プリインストール済み、または `sudo apt install cmake` | セットアップスクリプトによりインストール（`winget`) |
| **C++ コンパイラ** | `build-essential` | Visual Studio Build Tools 2022 |
| **CUDA Toolkit** | オプション； `nvcc` 自動検出 | セットアップスクリプトによりインストール（ドライバーに一致） |
## Unsloth Core の要件
* **オペレーティングシステム**：Linux と [Windows](https://docs.unsloth.ai/get-started/install-and-update/windows-installation)
* 2018 年以降の NVIDIA GPU をサポート、以下を含む [Blackwell RTX 50](/docs/jp/burogu/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth.md) そして [DGX Spark](/docs/jp/burogu/fine-tuning-llms-with-nvidia-dgx-spark-and-unsloth.md)
* 最小 CUDA Capability 7.0（V100、T4、Titan V、RTX 20 および 50、A100、H100、L40 など） [GPU を確認してください！](https://developer.nvidia.com/cuda-gpus) GTX 1070、1080 は動作しますが、遅いです。
* 公式の [Unsloth Docker イメージ](https://hub.docker.com/r/unsloth/unsloth) `unsloth/unsloth` は Docker Hub で入手できます
* [Docker](/docs/jp/meru/install/docker.md)
* Unsloth は対応 [AMD](/docs/jp/meru/install/amd.md) そして [Intel](/docs/jp/meru/install/intel.md) GPU（以下の [専用ガイドを参照）](/docs/jp/meru/install.md)。Apple/Silicon/MLX は開発中です
* お使いのデバイスは `xformers`, `torch`, `BitsandBytes` そして `triton` をサポートしている必要があります。
* torch、transformers などの異なるバージョンがある場合、 `pip install unsloth` それらのライブラリの最新バージョンを自動でインストールするため、バージョン互換性を気にする必要はありません。
{% hint style="info" %}
Python 3.13 がサポートされています！
{% endhint %}
### ファインチューニングの VRAM 要件：
Unsloth を使った LLM のファインチューニングには、どれくらいの GPU メモリが必要ですか？
{% hint style="info" %}
OOM やメモリ不足が起きるよくある原因は、バッチサイズを高く設定しすぎていることです。VRAM を少なく使うには 1、2、3 に設定してください。
**コンテキスト長のベンチマークについては、** [**ここ**](/docs/jp/ji-chu/unsloth-benchmarks.md#context-length-benchmarks)**.**
{% endhint %}
モデルパラメータとファインチューニング手法で並べた VRAM 要件は、この表を確認してください。QLoRA は 4 ビット、LoRA は 16 ビットを使用します。モデルによってはさらに多くの VRAM が必要になることがあるため、これらの数値は絶対最小値である点に注意してください：
| モデルパラメータ | QLoRA（4ビット）VRAM | LoRA（16ビット）VRAM |
| -------- | --------------- | --------------- |
| 3B | 3.5 GB | 8 GB |
| 7B | 5 GB | 19 GB |
| 8B | 6 GB | 22 GB |
| 9B | 6.5 GB | 24 GB |
| 11B | 7.5 GB | 29 GB |
| 14B | 8.5 GB | 33 GB |
| 27B | 22GB | 64GB |
| 32B | 26 GB | 76 GB |
| 40B | 30GB | 96GB |
| 70B | 41 GB | 164 GB |
| 81B | 48GB | 192GB |
| 90B | 53GB | 212GB |
| 405B | 237 GB | 950 GB |
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.
Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:
```
GET https://unsloth.ai/docs/jp/meru/fine-tuning-for-beginners/unsloth-requirements.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.
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.