> 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 を使って Windows で 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） これで、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)を使用して。 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` 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 ### Unsloth Studio 新しいWeb UIを公開しました。 [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、起動するたびに: ```bash unsloth studio -H 0.0.0.0 -p 8888 ``` 詳細なUnsloth Studioの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**: ### のインストール手順です。方法 #1 - Conda経由のWindows: {% 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)を使うことです。使うには、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:
次に下記をコピー＆ペーストします: CTRL+C を押し、PowerShellに 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、「Paste anyway」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、開いて **Anaconda Powershell Prompt** を開き、スタート -> 検索からMinicondaを使います:
すると次のようになります:
{% 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` でGPUがあることを確認し、CUDAのバージョンを確認してください** を入力した後、 `nvidia-smi` PowerShellで、以下のような画面が表示されるはずです。もし `nvidia-smi` がない、または以下が表示されない場合は、 [NVIDIAドライバー](https://www.nvidia.com/en-us/drivers/).
{% endstep %} {% step %} **PyTorchをインストール** を実行すると、 `nvidia-smi` 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。を `130` ご自身のCUDAバージョンに変更し、 [バージョンが存在することを確認してください](https://pytorch.org/) そしてCUDAドライバー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:
これをPythonで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。また、最初のものがTrueであることも確認してください。
{% 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。動作しない場合はPyTorchが壊れているので、残念ながらWindowsマシンに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を終了してから `exit()` を実行し、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用してください（.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用します: {% 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, # 長いコンテキストなら任意の値を選択！ load_in_4bit = True, # 4bit量子化。False = 16bit LoRA。 load_in_8bit = False, # 8bit量子化 load_in_16bit = False, # 16bit LoRA full_finetuning = False, # 完全なファインチューニングに使用。 trust_remote_code = False, # 新しいモデルをサポートするには有効化 # token = "hf_...", # gatedモデルを使う場合はこれを使用 ) # 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 が最適化済み bias = "none", # 何でもサポートしますが、= "none" が最適化済み # [NEW] "unsloth" はVRAMを30%少なく使用し、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 loftq_config = None, # LoftQも ) 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に、あなたのコンピュータをパッチします。 🦥 Unsloth Zoo は、学習を高速化するために今から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. Num GPUs = 1. Max memory: 12.0 GB. Platform: 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をサポートしていません - fast eagerに切り替えます。 Unsloth: `model.base_model.model.model` に勾配を必要とさせます 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) および50シリーズGPUでは、この同じイメージを使ってください。別イメージは不要です。 インストール手順については、 [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。そうでない場合は、クイックスタートガイドはこちらです: {% stepper %} {% step %} **DockerとNVIDIA Container Toolkitをインストールします。** Dockerをインストール [Linux](https://docs.docker.com/engine/install/) または [Desktop](https://docs.docker.com/desktop/) （その他）から。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** へ移動し、 [http://localhost:8888](http://localhost:8888/) を開いて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、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を試してください。方法は [#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)を実行していない場合、すでにWSLがインストールされているので、****、と入力してWSLに入ります: `wsl` をコマンドプロンプトで入力してENTER** ```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。 `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。 `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 %} 次に、 [Unslothノートブック](/docs/jp/meru/unsloth-notebooks.md)内でノートブックを開いて読み込みます！また、Colabノートブックに移動して download > download .ipynb でダウンロードし、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を使う予定なら、現在vLLMはWindowsを直接サポートしておらず、WSLまたはLinux経由でのみサポートしています。 {% endhint %} ### **トラブルシューティング /** 詳細設定 について **詳細なインストール手順** またはインストール中に奇妙なエラーが表示される場合: 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てください。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、 [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。別の方法として `flash-attn` をAmpere GPU向けにインストールすることもできます。 5. Python、CUDA、CUDNN、 `torch`, `triton`および `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コンテナを使っていてUnslothがGPUを検出または使用していない場合、CUDA toolkitのバージョン `nvcc --version` は、ホスト上で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。WindowsでのDockerコンテナ向けGPUサポートは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、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、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）を削除します: ```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. Studio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: ステップ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" %} を指すエントリを削除してください。注意: ステップ1-5ではダウンロード済みのHFモデルファイルには触れません。その容量を解放したい場合は、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することで消せます。既定では、Hugging Faceは `~/.cache/huggingface/hub/` をmacOS/Linux/WSLで、 `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、その場所を代わりに使用してください。LinuxとWSLでは、 `XDG_CACHE_HOME` 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.