Unsloth Studio を始める

Unsloth Studioは、コードを書かずにLLMを微調整するためのローカルかつブラウザベースのGUIです。モデルの読み込み、データセットのフォーマット、ハイパーパラメータの設定、ライブのトレーニング監視を扱うクリーンなインターフェースでトレーニングパイプラインをラップします。

Studioデータレシピエクスポートチャットビデオ

Unsloth Studioのセットアップ

まず、ローカルインストールまたはクラウドオプションのいずれかを使ってUnsloth Studioを起動します。次の インストール手順 に従うか、私たちの 無料のColab ノートブックを使用してください。ローカルセットアップの場合は次を実行します：

uunsloth studio -H 0.0.0.0 -p 8888

その後、開いてください http://localhost:8888 をブラウザで開きます。

最初の起動時にはアカウントを保護するためのパスワードを作成し、後で再度サインインする必要があります。

その後、モデル、データセット、基本設定を選ぶ簡単なオンボーディングウィザードが表示されます。いつでもスキップして手動で設定することもできます。

Studio - クイックスタート

Unsloth Studioのホームページには4つの主要エリアがあります： モデル, データセット, パラメータ、および トレーニング/設定

• モデルとデータの簡単なセットアップ Hugging Faceまたはローカルファイルから

• 柔軟なトレーニングの選択肢 QLoRA、LoRA、またはフルファインチューニングのような方法（デフォルトが入力済み）

• 役立つ設定ツール 分割、カラムマッピング、ハイパーパラメータ、YAML設定のためのツール

• 優れたトレーニング可視化 ライブ進捗、GPU統計、チャート、起動状況など

1. モデルと方法を選択

モデルタイプ

ユースケースに合うモダリティを選んでください：

トレーニング方式

ピルセレクタで切り替えられる3つの方式があります：

コンボボックスに任意のHugging Faceモデル名を入力するか、ハブを直接検索できます。ローカルに保存されたモデルは ~/.unsloth/studio/models やHugging Faceのキャッシュもリストに表示されます。

モデルを選択すると、Studioは自動的にバックエンドからその構成を取得し、すべてのハイパーパラメータに対して妥当なデフォルト値を事前入力します。

HuggingFaceトークン

モデルが制限付き（例：Llama、Gemma）の場合は、ここにHugging Faceアクセス・トークンを貼り付けてください。トークンはリアルタイムで検証され、無効な場合はインラインでエラーが表示されます。

2. データセット

ソース

データの取得元を選ぶには2つのタブを切り替えます：

• HuggingFace Hub - ハブに対するライブ検索。各結果に最終更新日が表示されます。

• ローカル - ファイルをドラッグアンドドロップするかクリックして、次のような非構造化または構造化ファイルをアップロードします： PDF, DOCX, JSONL, JSON, CSV、または Parquet 形式。以前にアップロードしたデータセットは自動的に更新されるリストに表示されます。

Prompt Studioにデータの解釈とフォーマット方法を指示してください：

分割とスライシング

• サブセット - データセットカードから自動的に入力されます。

• Train split / Eval split - 使用するスプリットを選択します。Evalスプリットを設定するとトレーニング中に Eval Loss チャートが有効になります。

• データセットスライス - 短時間の実験のために行範囲（開始インデックス／終了インデックス）でトレーニングを制限することがオプションで可能です。

カラムマッピング

Studioがデータセットのカラムを正しい役割に自動的にマップできない場合、 データセットプレビューダイアログ が開きます。サンプル行を表示し、各カラムを 指示（instruction）, 入力, 出力, 画像などに割り当てることができます。可能な場合は提案マッピングが事前入力されます。

3. ハイパーパラメータ

パラメータは折りたたみ可能なセクションにグループ化されています。詳細なLoRAハイパーパラメータガイドはここでご覧いただけます：

LoRA設定

（フルファインチューニングが選択されている場合は非表示）

について ビジョン 画像データセットを持つモデルでは、追加で4つのチェックボックスが表示されます：

• ビジョン層をファインチューニング

• 言語層をファインチューニング

• アテンションモジュールをファインチューニング

• MLPモジュールをファインチューニング

トレーニングハイパーパラメータ

3つのタブに整理されています：

4. トレーニングと設定

右下のカードには3つの設定管理ボタンと トレーニング開始 ボタンがあります。

トレーニング開始ボタンは、モデルとデータセットの両方が設定されるまで無効のままです。バリデーションエラーはインラインで表示されます — 例えば、評価スプリットを選ばずに評価ステップを設定した場合や、テキスト専用モデルにビジョンデータセットを組み合わせた場合などです。

読み込み画面

をクリックすると、バックエンドがすべてを準備している間、フルページのオーバーレイが表示されます。 トレーニング開始オーバーレイはライブのフェーズ更新を示すアニメーションターミナルを表示します：

青：モデル／データセットをダウンロード中

• 琥珀色：モデル／データセットを読み込み中

• 青：設定中

• 緑：トレーニング中

• いつでも隅の

× ボタンでキャンセルできます。キャンセルする前に確認ダイアログが表示されます。 トレーニングの進行と可観測性

最初のトレーニングステップが到着するとオーバーレイは閉じられ、ライブトレーニングビューが表示されます。進捗バーのステップが100%に達するとファインチューニングプロセスは完了します。経過時間とトークン数を確認できます。

ステータスパネル

トレーニングが進むにつれて4つのライブチャートが更新されます：

トレーニング損失

1. - 生の値にEMA平滑化線とランニング平均の参照線を加えた表示 - LRスケジュール曲線

2. 学習率 勾配ノルム

3. - ステップに対する勾配ノルム - 評価スプリットを設定した場合にのみ表示されます

4. Eval Loss 各チャートには設定（歯車アイコン）があり、次の項目があります：

オプション

表示ウィンドウ

デフォルト

最後Nステップのスライダー

EMA平滑化

生データを表示

0.6

オン

平滑化を表示

平均線を表示

平滑化を表示

スケール（シリーズごと）

平滑化を表示

線形／対数

外れ値クリッピング

クリップなし／p99／p95

設定ファイル

すべてのトレーニング設定はYAMLファイルとして保存および再読み込みできます。ファイル名は自動的に次のように命名されます：

{model}_{method}_{dataset}_{timestamp}.yaml

training:

データレシピ - クイックスタート

Unslothデータレシピ

では、PDFやCSVのようなドキュメントをアップロードして、利用可能なデータセットに変換できます。グラフノードのワークフローを使って視覚的にデータセットを作成・編集できます。 レシピページが主要な入口です。レシピはブラウザにローカル保存されるので、後で保存した作業に戻れます。ここから空のレシピを作成するか、ガイド付きの学習レシピを開くことができます。

データレシピは同様の基本的な流れに従います。レシピページを開き、レシピを作成または選択し、エディタでワークフローを構築し、それを検証してプレビューを実行し、出力が正しければフルデータセットを実行します。シードデータと生成ブロックを追加し、ワークフローを検証し、サンプル出力をプレビューしてからフルデータセットのビルドを実行します。UnslothデータレシピはNVIDIAの

DataDesigner によって動作します.

一目で見て一般的なワークフローは次のようになります：

1. レシピページを開く。

2. 新しいレシピを作成するか既存のレシピを開く。

3. データセットワークフローを定義するブロックを追加する。

4. クリック 検証 して設定の問題を早期に検出する。

5. プレビューを実行してサンプル行を素早く確認する。

6. レシピが準備できたらフルデータセットビルドを実行する。

7. 進捗と出力をグラフや 実行（Executions） ビューでライブに確認します。

8. 結果のデータセットを選択して Studio モデルを微調整します。

エクスポート - クイックスタート

Unsloth Studioの「エクスポート」を使って、モデルをGGUF、Safetensors、またはLoRAにエクスポート、保存、変換してデプロイ、共有、またはUnsloth、llama.cpp、Ollama、vLLMなどでのローカル推論に使用できます。訓練済みチェックポイントをエクスポートするか、既存の任意のモデルを変換できます。

Unsloth Studioでのモデルエクスポートに関する詳細なチュートリアル／ガイドはここで読むことができます：

チャット - クイックスタート

Unsloth Studio はモデルを100%オフラインであなたのコンピュータ上で実行することを可能にします。Hugging FaceからのGGUFやsafetensors、またはローカルファイルからのモデル形式を実行できます。

• ダウンロード＋実行 GGUF、ファインチューンされたアダプタ、safetensorsなど任意のモデルを実行します。

• 比較 異なるモデルの 出力を並べて比較

• アップロード プロンプト内でドキュメント、画像、音声を使用

• チューニング 推論の設定（temperature、top-p、top-k、system promptなど） Unsloth Studioでモデルを実行する方法に関する詳細なチュートリアル／ガイドはここで読むことができます：

ビデオチュートリアル

Unsloth Studioの使い方を始めるためのビデオチュートリアルが2本あります！

ビデオで示されているUnsloth Studioのバージョンは古く、現在のバージョンを反映していない場合があります。

CLIコマンド

Unsloth CLI（

cli.py）は次のコマンドを提供します：使用法： cli.py [COMMAND]

new-ui-prototype/

すべてのエンドポイントは有効なJWTを要求します

Authorization: Bearer <token> ヘッダー（ただし /api/auth/* および /api/health を除く）).