> 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
以下は、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/xin-zhe/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:** トレーニング、MLX、GGUF推論のすべてがサポートされています。
* **CPU: GPUなしでもUnslothは引き続き動作します**、Chat + Data Recipes向けです。
* **トレーニング:** 対応 **NVIDIA**, **AMD**, **Intel** GPU および **Mac** デバイス
### :windows: Window**s**
Unsloth StudioはWSLなしでWindows上で直接動作します。モデルをトレーニングするには、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
* **App Installer** （ `winget`): [はこちら](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、トレーニング、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: [はこちら](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 & 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ツールキット（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ています [Chat](#run-models-locally) GGUFモデル向けと [Data Recipes](/docs/jp/xin-zhe/studio/data-recipe.md) ([エクスポート](/docs/jp/xin-zhe/studio/export.md) 近日公開）
* Linux（NVIDIA GPUドライバーを除く）とMacOSでは、上記と同じです。
### **トレーニング**
Unsloth Studioのトレーニングは現在、NVIDIAで動作します、 [AMD](/docs/jp/meru/install/amd.md)、MLX、Intelデバイス。 [元のUnsloth Core](#unsloth-requirements) を使えば、AMDおよびIntelデバイスでトレーニングできます。 **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でインストール（`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でインストール（`winget`) |
| **C++コンパイラ** | `build-essential` | Visual Studio Build Tools 2022 |
| **CUDA Toolkit** | 任意； `nvcc` 自動検出 | セットアップスクリプトでインストール（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で動作し、 [Windows](https://docs.unsloth.ai/get-started/install-and-update/windows-installation)
* 2018年以降のNVIDIA GPUをサポートします、含む [Blackwell RTX 50](/docs/jp/burogu/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth.md) および [DGX Spark](/docs/jp/burogu/fine-tuning-llms-with-nvidia-dgx-spark-and-unsloth.md)
* 最低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で利用できます
* [Docker](/docs/jp/meru/install/docker.md)
* Unslothは [AMD](/docs/jp/meru/install/amd.md) および [Intel](/docs/jp/meru/install/intel.md) GPUで動作します（私たちの [特定のガイド](/docs/jp/meru/install.md)をご覧ください）。Apple/Silicon/MLXは開発中です
* お使いのデバイスには `xformers`, `torch`, `BitsandBytes` および `triton` のサポートが必要です。
* torch、transformersなどのバージョンが異なる場合でも、 `pip install unsloth` がそれらのライブラリの最新バージョンを自動的にすべてインストールするので、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時の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になったりメモリ不足になるよくある原因は、バッチサイズを大きくしすぎていることです。VRAMを節約するには1、2、または3に設定してください。
**コンテキスト長のベンチマークは、** [**はこちら**](/docs/jp/ji-ben/unsloth-benchmarks.md#context-length-benchmarks)**.**
{% endhint %}
モデルの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ことに注意してください:
| モデルのパラメータ | 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 dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
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 optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
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.