> 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/install/windows-installation.md). # UnslothでWindows上の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） WSL を使わずに、ローカルの Windows デバイス上で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。 [Unsloth](https://github.com/unslothai/unsloth)。このガイドでは、使用できる主な方法が 3 つあります（[Conda](#method-1-windows-via-conda), [Docker](#method-2-docker) と [WSL](#method-3-wsl)）。\ すでに Windows に PyTorch がインストールされている場合は、 `pip install unsloth` が動作するはずです。そうでなければ、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 ### Unsloth Studio 新しい Web UI をリリースしました。 [Unsloth Studio](/docs/jp/xin-zhe/studio/install.md) これは Windows でそのまま動作します: ```bash irm https://unsloth.ai/install.ps1 | iex ``` 更新するには同じコマンドを使用してください。 その後、毎回起動するには: ```bash unsloth studio -H 0.0.0.0 -p 8888 ``` Unsloth Studio の詳細なインストール手順と要件については、 [ガイドをご覧ください](/docs/jp/xin-zhe/studio/install.md). 以下は、元の **Unsloth Core**: ### 方法 #1 - Windows で Conda を使用: {% stepper %} {% step %} **Miniconda（または Anaconda）をインストール** Anaconda をダウンロード [こちら](https://www.anaconda.com/download)。おすすめは [Miniconda](https://www.anaconda.com/docs/getting-started/miniconda/install#quickstart-install-instructions)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:
すると Powershell が開きます:
次に、以下をコピーして貼り付けます: CTRL+C を押し、Powershell で CTRL+V で貼り付けます: {% code overflow="wrap" %} ```ps 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 ``` {% endcode %} 警告を स्वीकारし、「とにかく貼り付ける」を押して待ちます。
以下のようにインストーラーをダウンロードしています:
インストール後、次を開いてください **Anaconda Powershell Prompt** 。スタート -> 検索で Miniconda を使うにはここから探します:
すると次のように表示されます:
{% endstep %} {% step %} **conda 環境を作成** ```bash conda create --name unsloth_env python==3.12 -y conda activate unsloth_env ``` **次のように表示されます:**
{% endstep %} {% step %} **確認 `nvidia-smi` GPU があることを確認し、CUDA のバージョンを探します** と入力した後、 `nvidia-smi` Powershell で、以下のようなものが表示されるはずです。もし `nvidia-smi` がない、または下記が表示されない場合は、再インストールする必要があります [NVIDIAドライバー](https://www.nvidia.com/en-us/drivers/).
{% endstep %} {% step %} **PyTorchをインストール** 実行時に `nvidia-smi` すると右上隅に「CUDA Version: 13.0」と表示されます。PowerShell で PyTorch をインストールします。 `130` を CUDA バージョンに変更してください。 [のバージョンが存在することを](https://pytorch.org/) そして CUDA ドライバーのバージョンと一致していることを確認してください。 {% code overflow="wrap" %} ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130 ``` {% endcode %} 次のように表示されます:
PyTorch をインストールした後、Python でこれを実行してみてください: `python` PyTorch をインストールした後: {% code overflow="wrap" %} ```python import torch print(torch.cuda.is_available()) A = torch.ones((10, 10), device = "cuda") B = torch.ones((10, 10), device = "cuda") A @ B ``` {% endcode %} 10 の行列が表示されるはずです。最初のものについても True であることを確認してください。
{% endstep %} {% step %} **Unsloth をインストール（PyTorch が動作する場合のみ！）** {% hint style="danger" %} **PyTorch が正常に動作していることを確認してください。動作しない場合、PyTorch が壊れている可能性があり、残念ながら Windows マシンで CUDA ドライバーの再インストールが必要かもしれません。** {% endhint %} Powershell で（Python を次で終了した後 `exit()` 、次を実行して待ちます: ```bash pip install unsloth ``` {% endstep %} {% step %} **Unsloth が動作することを確認** 次に、 [Unslothノートブック](/docs/jp/meru/unsloth-notebooks.md) 内の任意のスクリプトを使ってください（.py ファイルとして保存）、または以下の基本スクリプトを使ってください: {% code expandable="true" %} ```python 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, # 長いコンテキストには任意のもの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には有効にします # token = "hf_...", # ゲート付きモデルを使う場合はこれを使用します ) # モデルのパッチ適用と高速 LoRA 重みの追加 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, # 何でもサポートしますが、= 0 が最適化されています bias = "none", # 何でもサポートしますが、"none" が最適化されています # [NEW] "unsloth" は VRAM を 30% 低く使用し、2 倍大きいバッチサイズに対応します！ 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, # rank stabilized LoRA をサポートしています loftq_config = None, # そして 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() ``` {% endcode %} 次のように表示されるはずです: ```bash 🦥 Unsloth: 2 倍高速な無料ファインチューニングを有効にするため、コンピューターにパッチを適用します。 🦥 Unsloth Zoo がトレーニングを高速化するためにすべてにパッチを適用します！ ==((====))== Unsloth 2026.1.4: Gemma3 の高速パッチ適用中。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] "-____-" 無料ライセンス: 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 をサポートしていません - fast 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
{% endstep %} {% endstepper %} ### 方法 #2 - Docker: Docker は、セットアップ不要で依存関係の問題もないため、Windows ユーザーが Unsloth を始める最も簡単な方法かもしれません。 [**`unsloth/unsloth`**](https://hub.docker.com/r/unsloth/unsloth) は Unsloth の唯一の Docker イメージです。 [Blackwell](/docs/jp/burogu/fine-tuning-llms-with-blackwell-rtx-50-series-and-unsloth.md) 50 シリーズ GPU では、この同じイメージを使用してください。別のイメージは不要です。 インストール手順については、以下の [Docker ガイド](/docs/jp/burogu/how-to-fine-tune-llms-with-unsloth-and-docker.md)に従ってください。さもなければ、以下にクイックスタートガイドがあります: {% stepper %} {% step %} **Docker と NVIDIA Container Toolkit をインストールします。** Docker を次からインストール [Linux](https://docs.docker.com/engine/install/) または [Desktop](https://docs.docker.com/desktop/) （その他）。次に [NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html#installation): ```bash 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} ``` {% endstep %} {% step %} **コンテナを実行します。** [**`unsloth/unsloth`**](https://hub.docker.com/r/unsloth/unsloth) は Unsloth の唯一の Docker イメージです。 ```bash docker run -d -e JUPYTER_PASSWORD="mypassword" \\ -p 8888:8888 -p 2222:22 \ -v $(pwd)/work:/workspace/work \\ --gpus all \\ unsloth/unsloth ``` {% endstep %} {% step %} **Jupyter Lab にアクセス** 移動します [http://localhost:8888](http://localhost:8888/) して Unsloth を開きます。 `unsloth-notebooks` タブにアクセスして Unsloth ノートブックを表示します。 {% endstep %} {% step %} **Unsloth で学習を開始** 初めての方は、ステップごとの [ファインチューニングガイド](/docs/jp/meru/fine-tuning-llms-guide.md), [RL ガイド](/docs/jp/meru/reinforcement-learning-rl-guide.md) に従うか、あるいは用意済みの [ノートブック](/docs/jp/meru/unsloth-notebooks.md). {% endstep %} {% step %} **Docker の問題 - GPU が検出されない？** WSL を次で試してみてください [#method-2-wsl](#method-2-wsl "mention") {% endstep %} {% endstepper %} ### 方法 #3 - WSL: {% stepper %} {% step %} **WSL をインストール** 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。求められたらパスワードを設定してください。 ```bash wsl.exe --install Ubuntu-24.04 wsl.exe -d Ubuntu-24.04 ``` {% endstep %} {% step %} **(1) を実行していない、つまりすでに WSL をインストール済みの場合は、****を入力して WSL に入ります `wsl` をコマンドプロンプトで ENTER します** ```bash wsl ``` {% endstep %} {% step %} **Python をインストール** {% code overflow="wrap" %} ```bash sudo apt update sudo apt install python3 python3-full python3-pip python3-venv -y ``` {% endcode %} {% endstep %} {% step %} **PyTorchをインストール** {% code overflow="wrap" %} ```bash pip install torch torchvision --force-reinstall --index-url https://download.pytorch.org/whl/cu130 ``` {% endcode %} 権限の問題が発生した場合は、 `–break-system-packages` を使ってください。そうすることで `pip install torch torchvision --force-reinstall --index-url https://download.pytorch.org/whl/cu130 –break-system-packages` {% endstep %} {% step %} **Unsloth と Jupyter Notebook をインストール** {% code overflow="wrap" %} ```bash pip install unsloth jupyter ``` {% endcode %} 権限の問題が発生した場合は、 `–-break-system-packages` を使ってください。そうすることで `pip install unsloth jupyter –-break-system-packages` {% endstep %} {% step %} **Jupyter Notebook 経由で Unsloth を起動** {% code overflow="wrap" %} ```bash jupyter notebook ``` {% endcode %} その後、 [Unslothノートブック](/docs/jp/meru/unsloth-notebooks.md)内で私たちのノートブックを開いて読み込みます！Colab ノートブックに行って download > .ipynb をダウンロードし、それを読み込むこともできます。 ![](/files/a03a99e13160070b28fbbc74eb2bab3b334a5e7e) {% endstep %} {% endstepper %} {% hint style="warning" %} GRPO を使っている、または vLLM を使う予定の場合、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 経由のみです。 {% endhint %} ### **トラブルシューティング /** 高度な 損失なしの **高度なインストール手順** またはインストール中に変なエラーが出る場合: 1. インストール `torch` と `triton`。インストールするには にアクセスしてください。たとえば `pip install torch torchvision torchaudio triton` 2. CUDA が正しくインストールされているか確認します。試しに `nvcc`を実行してください。それでも失敗する場合は、 `cudatoolkit` または CUDA ドライバーをインストールする必要があります。 3. Intel GPU を使用している場合は、私たちの [Intel Windows ガイド](/docs/jp/meru/install/intel.md#windows-only-runtime-configurations) 4. インストール `xformers` を手動でインストールする必要があります。 `vllm` をインストールして、 `vllm` が成功するか確認してみてください。 `xformers` が `python -m xformers.info` で成功したか確認してください。 にアクセスしてください。別の विकल्पとして `flash-attn` を Ampere GPU 用にインストールする方法もあります。 5. Python、CUDA、CUDNN、 `torch`, `triton`、そして `xformers` のバージョンが互いに互換性があることを再確認してください。 [PyTorch 互換性マトリックス](https://github.com/pytorch/pytorch/blob/main/RELEASE.md#release-compatibility-matrix) が役立つかもしれません。 6. 最後に、 `bitsandbytes` をインストールし、 `python -m bitsandbytes` 7. で確認してください。Windows 上で Docker コンテナを使用していて、Unsloth が GPU を検出しない、または使用しない場合、CUDA ツールキットのバージョン `nvcc --version` は、Windows 上の Docker コンテナ向けにホスト GPU support で nvidia-smi に表示される CUDA のバージョンと一致している必要があります。自動ではありません。 [Docker のガイドに従う必要があります](https://docs.docker.com/desktop/features/gpu/). ### アンインストール Unsloth Studio を完全に削除する推奨方法は、お使いの OS 用のアンインストールスクリプトです。実行中のサーバーを停止し、アプリ、CLI コマンド、ランチャーデータ、ショートカット、およびプラットフォーム固有の項目 (macOS `.app` バンドル + Launch Services; Windows のスタートメニュー + レジストリ + PATH): ```ps1 irm https://raw.githubusercontent.com/unslothai/unsloth/main/scripts/uninstall.ps1 | iex ``` #### 手動アンインストール 特定の部分だけを削除したい場合: **1. アプリのみ削除** (履歴、チャット、チェックポイント、エクスポートはそのまま保持): * `Remove-Item -Recurse -Force "$HOME\.unsloth\studio\unsloth_studio"` **2. Unsloth を完全に削除** (他の Unsloth ツールはそのまま保持): * `Remove-Item -Recurse -Force "$HOME\.unsloth\studio"` **3. Unsloth 関連をすべて削除:** * `Remove-Item -Recurse -Force "$HOME\.unsloth"` {% hint style="warning" %} 注意: 手順 3 では、履歴、チャット、モデルのチェックポイント、エクスポート内のすべてが削除されます。これは元に戻せません。 {% endhint %} **4. ショートカットとシンボリックリンクを削除:** ```shellscript Remove-Item -Force "$HOME\Desktop\Unsloth Studio.lnk" Remove-Item -Force "$env:APPDATA\Microsoft\Windows\Start Menu\Programs\Unsloth Studio.lnk" ``` **5. CLI コマンドを削除:** * **Windows (PowerShell):** インストーラーは venv の `Scripts` ディレクトリをユーザーの PATH に追加しました。削除するには、設定 → システム → バージョン情報 → 詳細システム設定 → 環境変数 を開き、 `Path` をユーザー変数の下で見つけ、 `.unsloth\studio\...\Scripts`. {% hint style="info" %} 注意: 手順 1〜5 では、ダウンロード済みの HF モデルファイルは削除されません。空き容量を回復したい場合は、下の「キャッシュされた HF モデルファイルの削除」を参照してください。 {% endhint %} ### **キャッシュされた HF モデルファイルの削除** 古いモデルファイルは、モデル検索のゴミ箱アイコンから削除するか、デフォルトのHugging Faceキャッシュディレクトリから該当するキャッシュ済みモデルフォルダを削除して消せます。デフォルトでは、Hugging Faceは `~/.cache/huggingface/hub/` をmacOS/Linux/WSLで、また `C:\Users\\.cache\huggingface\hub\` をWindowsで使用します。 * **Windows:** `%USERPROFILE%\.cache\huggingface\hub\` もし `HF_HUB_CACHE` または `HF_HOME` が設定されている場合は、その場所を使用してください。LinuxとWSLでは、 `XDG_CACHE_HOME` でもデフォルトのキャッシュルートを変更できます。 --- # 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/install/windows-installation.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.