Windows で Unsloth を使って LLM をファインチューニングする方法（ステップバイステップガイド）

Windows に Unsloth をインストールしてローカルで LLM をファインチューニングする方法をご覧ください。

Windows のローカルデバイス上で WSL を使わずに直接モデルをファインチューニングできるようになりました。使用するのは Unslothです。本ガイドでは、使える主な方法が3つあります（Conda, Docker および WSL）。既に Windows に PyTorch がインストールされている場合、 pip install unsloth で動作するはずです。そうでない場合は、以下のガイドに従ってください：

Conda チュートリアル Docker チュートリアル WSL チュートリアル

方法 #1 - Conda 経由の Windows：

Miniconda（または Anaconda）をインストールします

Anaconda をダウンロードここから。私たちの推奨は Minicondaです。使用するにはまず Powershell を開きます — スタートで「Windows Powershell」を検索してください：

そうすると Powershell が開きます：

次に以下をコピー＆ペーストします：CTRL+C でコピーし、Powershell に CTRL+V で貼り付けます：

Invoke-WebRequest -Uri "https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe" -OutFile ".\miniconda.exe"
Start-Process -FilePath ".\miniconda.exe" -ArgumentList "/S" -Wait
del .\miniconda.exe

警告を受け入れて「Paste anyway（とにかく貼り付け）」を押し、待ちます。

インストーラーが以下のようにダウンロードされています：

インストール後、開いてください Anaconda Powershell Prompt で Miniconda を使用します。スタート -> 検索から開いてください：

すると次のように表示されます：

conda 環境を作成します

conda create --name unsloth_env python==3.12 -y
conda activate unsloth_env

次のように表示されます：

確認してください nvidia-smi で GPU があるかを確認し、CUDA バージョンを確認します

を入力した後、 nvidia-smi Powershell で以下のような表示が出るはずです。もし nvidia-smi がない、または以下が表示されない場合は、 NVIDIA ドライバ.

を再インストールする必要があります

PyTorch をインストールします nvidia-smi を実行すると右上に「CUDA Version: 13.0」と表示されます。PowerShell で PyTorch をインストールします。自分の CUDA バージョンに 130 を変更し、バージョンが存在することを確認し CUDA ドライバのバージョンと一致していることを確認してください。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130

次のように表示されます：

PyTorch インストール後、Python で以下を実行してみてください： python を起動した後：

import torch
print(torch.cuda.is_available())
A = torch.ones((10, 10), device = "cuda")
B = torch.ones((10, 10), device = "cuda")
A @ B

10 の行列が表示されるはずです。また最初は True が表示されることも確認してください。

Unsloth をインストールします（PyTorch が動作する場合のみ！）

PyTorch が正常に動作することを確認してください。動作しない場合、PyTorch が壊れており、残念ながら Windows マシンで CUDA ドライバの再インストールが必要になることがあります。

Powershell で（Python から exit() で終了した後）、次を実行して待ちます：

pip install unsloth

Unsloth が動作することを確認します

今は任意のスクリプトを Unsloth ノートブック（.py ファイルとして保存）で使用するか、以下の基本スクリプトを使用してください：

from unsloth import FastLanguageModel, FastModel
import torch
from trl import SFTTrainer, SFTConfig
from datasets import load_dataset
max_seq_length = 512
url = "https://huggingface.co/datasets/laion/OIG/resolve/main/unified_chip2.jsonl"
dataset = load_dataset("json", data_files = {"train" : url}, split = "train")

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name = "unsloth/gemma-3-270m-it",
    max_seq_length = max_seq_length, # 長いコンテキスト用に任意の値を選択してください！
    load_in_4bit = True,  # 4 ビット量子化。False = 16 ビット LoRA.
    load_in_8bit = False, # 8 ビット量子化
    load_in_16bit = False, # 16 ビット LoRA
    full_finetuning = False, # フルファインチューニングに使用します。
    trust_remote_code = False, # 新しいモデルをサポートする場合に有効にします
    # token = "hf_...", # ゲート付きモデルを使う場合は指定してください
)

# モデルパッチを行い、fast LoRA 重みを追加します
model = FastLanguageModel.get_peft_model(
    model,
    r = 16,
    target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",
                      "gate_proj", "up_proj", "down_proj",],
    lora_alpha = 16,
    lora_dropout = 0, # 任意の値をサポートしますが、= 0 が最適化されています
    bias = "none",    # 任意の値をサポートしますが、= "none" が最適化されています
    # [新機能] "unsloth" は VRAM を 30% 減らし、バッチサイズを 2 倍大きくできます！
    use_gradient_checkpointing = "unsloth", # 非常に長いコンテキストでは True または "unsloth"
    random_state = 3407,
    max_seq_length = max_seq_length,
    use_rslora = False,  # ランク安定化 LoRA をサポートします
    loftq_config = None, # および LoftQ
)

trainer = SFTTrainer(
    model = model,
    train_dataset = dataset,
    tokenizer = tokenizer,
    args = SFTConfig(
        max_seq_length = max_seq_length,
        per_device_train_batch_size = 2,
        gradient_accumulation_steps = 4,
        warmup_steps = 10,
        max_steps = 60,
        logging_steps = 1,
        output_dir = "outputs",
        optim = "adamw_8bit",
        seed = 3407,
        dataset_num_proc = 1,
    ),
)
trainer.train()

次のような表示が出るはずです：

🦥 Unsloth: あなたのコンピュータをパッチして無料で 2 倍速いファインチューニングを可能にします。
🦥 Unsloth Zoo は今からトレーニングを高速化するためにすべてをパッチします！
==((====))==  Unsloth 2026.1.4: Fast Gemma3 patching. Transformers: 4.57.6.
   \\   /|    NVIDIA GeForce RTX 3060。GPU 数 = 1。最大メモリ: 12.0 GB。プラットフォーム: Windows。
O^O/ \_/ \    Torch: 2.10.0+cu130。CUDA: 8.6。CUDA Toolkit: 13.0。Triton: 3.6.0
\        /    Bfloat16 = TRUE。FA [Xformers = 0.0.34。FA2 = False]
 "-____-"     Free license: http://github.com/unslothai/unsloth
Unsloth: 高速ダウンロードが有効です — 赤色のダウンロードバーは無視してください！
Unsloth: Gemma3 は SDPA をサポートしていないため、高速な eager に切り替えます。
Unsloth: `model.base_model.model.model` に勾配が必要になるようにしています
Unsloth: Tokenizing ["text"] (num_proc=1):   0%|                 | 0/210289 [00:00<?, ? examples/s]�  Unsloth: あなたのコンピュータをパッチして無料で 2 倍速いファインチューニングを可能にします。
🦥 Unsloth: あなたのコンピュータをパッチして無料で 2 倍速いファインチューニングを可能にします。

そしてトレーニング：

方法 #2 - Docker：

Docker はセットアップや依存関係の問題が不要なため、Windows ユーザーが Unsloth を始めるのに最も簡単な方法かもしれません。 unsloth/unsloth は Unsloth の唯一の Docker イメージです。For Blackwell および 50 シリーズ GPU でも同じイメージを使用します — 別のイメージは不要です。

インストール手順については、私たちの Docker ガイドに従ってください。そうでなければ、ここにクイックスタートガイドがあります：

Docker と NVIDIA Container Toolkit をインストールします。

Docker をインストールするには Linux または Desktop （その他）。その後 NVIDIA Container Toolkit:

をインストールします
export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.17.8-1
  sudo apt-get update && sudo apt-get install -y \
  nvidia-container-toolkit=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
  nvidia-container-toolkit-base=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
  libnvidia-container-tools=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \

libnvidia-container1=${NVIDIA_CONTAINER_TOOLKIT_VERSION}

unsloth/unsloth コンテナを起動します。

は Unsloth の唯一の Docker イメージです。
  docker run -d -e JUPYTER_PASSWORD="mypassword" \
  -p 8888:8888 -p 2222:22 \
  -v $(pwd)/work:/workspace/work \
  unsloth/unsloth

--gpus all \

Jupyter Lab にアクセスします次へアクセスしてください http://localhost:8888 そして Unsloth を開きます。アクセスするのは unsloth-notebooks

タブで Unsloth のノートブックを見ることができます。

Unsloth でトレーニングを開始します初めての場合は、手順に従ってください, ファインチューニングガイド RL ガイドまたは私たちの既成の.

ノートブック

を保存/コピーして使用してください。 Windows

Docker の問題 - GPU が検出されない？

WSL を試してください（

方法 #3 - WSL：

WSL をインストールします
コマンドプロンプトまたはターミナルを開き、Ubuntu をインストールします。パスワードの入力を求められたら設定してください。

wsl.exe --install Ubuntu-24.04もし (1) を行っていない、つまり既に WSL をインストール済みであれば $primary WSL に入るには次を入力してください

$primary

wsl

そしてコマンドプロンプトで ENTER を押します
Python をインストールします

を再インストールする必要があります

sudo apt update

sudo apt install python3 python3-full python3-pip python3-venv -y pip install torch torchvision --force-reinstall --index-url https://download.pytorch.org/whl/cu130 権限の問題が発生した場合は、 –break-system-packages

を使ってください。つまり

pip install torch torchvision --force-reinstall --index-url https://download.pytorch.org/whl/cu130 –break-system-packages

sudo apt install python3 python3-full python3-pip python3-venv -y Unsloth と Jupyter Notebook をインストールします 権限の問題が発生した場合は、 pip install unsloth jupyter

–-break-system-packages

pip install unsloth jupyter –-break-system-packages

Jupyter Notebook で Unsloth を起動します Unsloth ノートブックjupyter notebook

その後、内部のノートブックを開いて読み込んでください！また Colab のノートブックに行き、.ipynb をダウンロードして読み込むこともできます。

もし GRPO を使用している、または vLLM を使う予定がある場合、現時点では vLLM は Windows を直接サポートしておらず、WSL または Linux 経由のみサポートしています。トラブルシューティング /

高度な設定 のために、 高度なインストール手順

や、インストール中に奇妙なエラーが出る場合： をインストールしてください および torchtriton を。インストールするには https://pytorch.org を参照してください。例えば
pip install torch torchvision torchaudio triton CUDA が正しくインストールされているか確認します。次を試してください：nvcc を。もしそれが失敗する場合、 cudatoolkit
または CUDA ドライバをインストールする必要があります。 Intel GPU を使用している場合は、私たちの
や、インストール中に奇妙なエラーが出る場合： Intel Windows ガイド に従ってください xformers を手動でインストールする必要があります。試しに xformers vllm Intel Windows ガイド をインストールして、 が成功するか確認してみてください。次で確認できます： python -m xformers.info https://github.com/facebookresearch/xformers を参照してください。別の選択肢として flash-attn
を Ampere GPU 向けにインストールすることもできます。 をインストールしてください, torchPython、CUDA、CUDNN、 Intel Windows ガイド 、およびのバージョンが互換性があるかを再確認してください。参考になるのは PyTorch 互換性マトリックス
かもしれません。 最後に、 bitsandbytes をインストールし、次で確認してください：

前へuv, pip install & venv 次へAMD

最終更新 11 日前

役に立ちましたか？

hashtag方法 #1 - Conda 経由の Windows：

hashtag方法 #2 - Docker：

hashtagDocker の問題 - GPU が検出されない？

hashtagもし GRPO を使用している、または vLLM を使う予定がある場合、現時点では vLLM は Windows を直接サポートしておらず、WSL または Linux 経由のみサポートしています。 トラブルシューティング /

方法 #1 - Conda 経由の Windows：

方法 #2 - Docker：

Docker の問題 - GPU が検出されない？

もし GRPO を使用している、または vLLM を使う予定がある場合、現時点では vLLM は Windows を直接サポートしておらず、WSL または Linux 経由のみサポートしています。トラブルシューティング /