> 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).
# WindowsにUnslothをインストールする
WindowsにUnsloth Desktop、Unsloth Studio、またはUnsloth Coreをインストールします。
Windows に Unsloth Desktop をインストールするには、以下の手順に従ってください。
{% stepper %}
{% step %}
### ダウンロード
Windows 版 Unsloth をダウンロード
{% endstep %}
{% step %}
### インストール
1. Unsloth インストーラーを開き（`.exe` ファイル）
2. セットアップの案内に従う
3. アプリを起動し、インストールが完了するまで待ちます
{% endstep %}
{% step %}
### モデルを選択
「モデルを選択」または「Model hub」を開き、モデルと量子化を選択してダウンロードします。完了したら、そのままチャットを始められます。設定は不要です。
{% endstep %}
{% step %}
### これで Unsloth の準備ができました
チャットを開始するには、メッセージを入力して Enter キーを押します。
* **ツールを接続：** [Claude Code](/docs/jp/ji-ben/claude-code.md), [Codex](/docs/jp/ji-ben/codex.md)、Web 検索、 [MCP](/docs/jp/ji-ben/mcp.md) など
* **モデルを学習：** テキスト、拡散、埋め込みなどをファインチューニング
* **メディアを生成：** 画像、動画、TTS をローカルで作成・学習
{% endstep %}
{% endstepper %}
### Unsloth を手動でインストール
以下のセクションでは、Web ベースの **Unsloth Studio** および元のコードベースの **Unsloth Core**.
次の **Unsloth Core** Windows では、以下から Conda、Docker、または WSL を選んでください。PyTorch が既にインストールされている場合、 `pip install unsloth` で十分な場合があります。
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
私たちは、新しい Web UI [Unsloth Studio](/docs/jp/xin-zhe/studio/install.md) を公開しました。これは Windows 上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います。
では、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、 [ガイドを見る](/docs/jp/xin-zhe/studio/install.md).
以下は、元の **Unsloth Core**:
### 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。Start 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、そして Powershell に貼り付けます CTRL+V:
{% 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 %}
警告を承認して「Paste anyway」を押し、待ちます。
次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、開いてください **Anaconda Powershell Prompt** を Start -> 検索から使って Miniconda を起動します:
すると、次が表示されます:
{% 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 バージョンを確認します**
次を入力した後 `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、または以下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**
次を実行すると `nvidia-smi` 、右上に「CUDA Version: 13.0」と表示されます。PowerShell で以下を使って PyTorch をインストールします。 `130` をあなたの CUDA バージョンに変更し、 [その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:
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。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 が正常に動作して実行できることを確認してください。そうでない場合、PyTorch が壊れているので、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**
今度は [Unslothノートブック](/docs/jp/meru/unsloth-notebooks.md) の任意のスクリプトを使うか（.py ファイルとして保存）、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, # Choose any for long context!
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, # 完全な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する
# token = "hf_...", # ゲート付きモデルを使う場合はこれを使用
)
# モデルのパッチ適用を行い、高速 LoRA 重みを追加
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, # どれでもサポートされますが、= 0 が最適化されています
bias = "none", # どれでもサポートされますが、= "none" が最適化されています
# [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！
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 安定化 LoRA をサポート
loftq_config = None, # LoftQ もサポート
)
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: コンピュータにパッチを適用して、無料のファインチューニングを2倍高速化します。
🦥 Unsloth Zoo が、学習をより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: 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 - 高速 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ます
Unsloth: ["text"] をトークン化中 (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 シリーズの GPU では、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、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。そうでなければ、簡単な入門ガイドは以下です:
{% stepper %}
{% step %}
**Docker と NVIDIA Container Toolkit をインストールします。**
Docker を [Linux](https://docs.docker.com/engine/install/) または [Desktop](https://docs.docker.com/desktop/) （その他）でインストールします。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**
次へ移動 [http://localhost:8888](http://localhost:8888/) へ行き、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 で学習を始める**
初めてなら、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 を次の方法で試してください [#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いて 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 %} **もし (1) を行っていない、つまりすでに WSL をインストールしている場合は****、 `wsl` とコマンドプロンプトで ENTER を押します**
```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 %}
権限の問題が発生する場合は、 `–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`
{% endstep %}
{% step %}
**Unsloth と Jupyter Notebook をインストール**
{% code overflow="wrap" %}
```bash
pip install unsloth jupyter
```
{% endcode %}
権限の問題が発生する場合は、 `–-break-system-packages` を使ってください。つまり `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)内で私たちのノートブックを開いて読み込みます！ また Colab ノートブックに行って、download > download .ipynb でダウンロードし、それらを読み込むこともできます。
{% endstep %}
{% endstepper %}
{% hint style="warning" %}
GRPO を使っている、または vLLM を使う予定なら、現時点で vLLM は Windows を直接サポートしておらず、WSL か Linux 経由のみです。
{% endhint %}
### **トラブルシューティング /** 詳細
次の **詳細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` および `triton`。インストールするには にアクセスしてください。例: `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。 `nvcc`を試してください。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、以下の [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` が成功するか試してください。 `xformers` が `python -m xformers.info` へ行ってください。別の選択肢として `flash-attn` を Ampere GPU 向けにインストールする方法があります。
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、 `で確認してください`
7. Unsloth が GPU を検出または使用していない場合で、Windows 上の Docker コンテナを使っているなら、CUDA toolkit のバージョン `nvcc --version` は、ホスト GPU 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 上の Docker コンテナでの 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 Desktop
1. 実行中の場合は Unsloth を終了してください。
2. Windows の **設定** を開きます。
3. 次へ移動 **アプリ** → **インストール済みアプリ**.
4. Unsloth **を見つけて**、三点メニューを選び、次に **アンインストール**.
5. アプリを削除するための案内に従ってください。
Unsloth Desktop をアンインストールしても、ダウンロードしたモデルやファイルは削除されません。
#### Unsloth Studio（手動インストール）
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、およびプラットフォーム固有のエントリ（macOS `.app` バンドル + Launch Services; Windows 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されます）:
* `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されます）:
* `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: 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 → 詳細情報 → システムの詳細設定 → 環境変数 を開き、 `Path` ユーザー変数の下で、次を指すエントリを削除します `.unsloth\studio\...\Scripts`.
{% hint style="info" %}
注: 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。その領域を回収したい場合は、以下のキャッシュ済み 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、モデル検索のビン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。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、代わりにその場所を使用します。Linux と WSL では、 `XDG_CACHE_HOME` は既定のキャッシュのルートも変更できます。
---
# 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.