# Unsloth の要件
Unsloth は2つの方法で使用できます: ಮೂಲಕ [Unsloth Studio](https://unsloth.ai/docs/jp/xin-zhe/studio/install)、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 Studio の要件**
* **Mac:** CPUのような - [チャット](https://unsloth.ai/docs/jp/xin-zhe/studio/chat#using-unsloth-studio-chat) + [データレシピ](https://unsloth.ai/docs/jp/xin-zhe/studio/data-recipe) は今のところ動作します。 **MLX** のトレーニングはもうすぐ対応予定です。
* **CPU: Unsloth は GPU がなくても引き続き動作します**、チャット + データレシピ向け。
* **トレーニング:** で動作します **NVIDIA**: RTX 30、40、50、Blackwell、DGX Spark/Station など + **Intel** GPU
* **近日対応予定:** のサポート **Apple MLX** および **AMD**.
### :windows: Windo**ws**
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** （含む `winget`): [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 Mac デバイスで [チャット](#run-models-locally) GGUF モデル向けおよび [データレシピ](https://unsloth.ai/docs/jp/xin-zhe/studio/data-recipe) ([エクスポート](https://unsloth.ai/docs/jp/xin-zhe/studio/export) はもうすぐ対応予定）。 **MLX のトレーニングもまもなく対応予定です！**
* macOS 12 Monterey 以降（Intel または Apple Silicon）
* Homebrew をインストール: [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+ 推奨、blackwell では 12.8+）
* 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 [チャット](#run-models-locally) GGUF モデル向けおよび [データレシピ](https://unsloth.ai/docs/jp/xin-zhe/studio/data-recipe) ([エクスポート](https://unsloth.ai/docs/jp/xin-zhe/studio/export) 近日対応予定）
* 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。
### **トレーニング**
Unsloth Studio のトレーニングは現在 NVIDIA GPU で動作し、AMD、MLX、Intel のサポートはまもなく対応予定です。引き続き [元の Unsloth Core](#unsloth-requirements) を使用して、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によってインストール（`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ってインストール（`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によってインストール（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](https://unsloth.ai/docs/jp/burogu/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth) および [DGX Spark](https://unsloth.ai/docs/jp/burogu/fine-tuning-llms-with-nvidia-dgx-spark-and-unsloth)
* 最小 CUDA Capability 7.0（V100、T4、Titan V、RTX 20 & 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](https://unsloth.ai/docs/jp/meru/install/docker "mention")
* Unsloth は [AMD](https://unsloth.ai/docs/jp/meru/install/amd) および [Intel](https://unsloth.ai/docs/jp/meru/install/intel) GPU で動作します（こちらの [特定ガイド](https://unsloth.ai/docs/jp/meru/install)を参照してください）。Apple/Silicon/MLX は現在開発中です
* 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っていても、 `pip install unsloth` がそれらのライブラリの最新バージョンをすべて自動的に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 は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 になったりメモリ不足になったりするよくある原因は、バッチサイズを高く設定しすぎていることです。VRAM 使用量を減らすには、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については、** [**こちら**](https://unsloth.ai/docs/jp/ji-ben/unsloth-benchmarks#context-length-benchmarks)**.**
{% endhint %}
モデルのパラメータ数とファインチューニング手法別に並べた VRAM 要件はこの表を確認してください。QLoRA は 4-bit、LoRA は 16-bit 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数 | QLoRA（4-bit）の VRAM | LoRA（16-bit）の 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: 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/meru/fine-tuning-for-beginners/unsloth-requirements.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.