> 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/zh/xin/studio/install.md). # Unsloth Studio 安装 手动安装 Unsloth Studio，或下载独立的 Unsloth Desktop 应用。 Unsloth Studio 可在 Windows、Linux、WSL 和 MacOS 上运行。你应该在每台设备上使用相同的安装流程，不过系统要求可能因设备而异。 ### 使用 Unsloth Desktop 安装 安装 Unsloth Studio 最简单的方法是使用原生的 [桌面应用](/docs/zh/desktop.md)。请根据你的操作系统下载： * :apple: [下载 macOS 版](https://unsloth.ai/download/mac) * :windows: [下载 Windows 版](https://unsloth.ai/download/windows) * :linux: [下载 Linux 版](https://unsloth.ai/download/linux) 本页其余部分将 **Unsloth Studio** 手动安装。 ### 手动安装 Unsloth Studio WindowsMacOSLinux 和 WSLDocker开发者安装 * **Mac：** 类似 CPU - [聊天](/docs/zh/xin/studio/chat.md#using-unsloth-studio-chat) + [数据配方](/docs/zh/xin/studio/data-recipe.md) 目前可用。 **MLX** 训练现在可用了！ * **CPU：Unsloth 即使没有 GPU 也能正常工作**，但仅适用于聊天 + 数据配方。 * **训练：** 支持 **NVIDIA**, **Intel**, **AMD** GPU 和 Mac 设备 ### 快速开始 {% tabs %} {% tab title="MacOS" %} #### 步骤 1：设置 Unsloth 打开 `终端` ，然后通过输入下面的命令安装 Unsloth。 ```bash curl -fsSL https://unsloth.ai/install.sh | sh ``` Unsloth 将开始设置环境并安装所需的软件包，如下所示。输入 **Y** 并按 `Enter` ，当系统询问是否允许 Unsloth 现在启动时。这将会在你的本地 **8888** 端口上启动 Unsloth。
{% hint style="info" %} 如果你在安装过程中选择不启动 Unsloth，也可以随时使用以下命令启动 Unsloth 应用： `unsloth studio -p 8888` 。如果你希望你的 Unsloth 实例可被 PC/电脑外部的客户端访问，请添加 `-H 0.0.0.0` 到 `unsloth studio` 命令中。 {% endhint %} #### 步骤 2：启动 Unsloth 打开你喜欢的浏览器并前往 `http://127.0.0.1:8888` URL。如果这是你第一次安装 Unsloth，你将会被提示创建一个新密码。之后，Unsloth 应用应该会在聊天页面打开，如下所示。
**使用 HTTPS 和 Cloudflare 安全启动 Unsloth。** Unsloth 现在提供了一种通过免费的 Cloudflare 隧道以 HTTPS 安全启动 Unsloth 的方式。请使用下面的命令（适用于 Windows、Mac 和 Linux）： ```bash unsloth studio --secure ``` 你可以立即开始训练和运行模型。下面可以查看我们更详细的分步指南以开始使用： {% content-ref url="/pages/12f6b822ad28322267b74accad74f665b341f5a4" %} [Get Started](/docs/zh/xin/studio/start.md) {% endcontent-ref %} {% endtab %} {% tab title="Windows" %} #### 步骤 1：设置 Unsloth 打开开始菜单，搜索 `PowerShell`，并启动它。复制并粘贴下面的安装命令： ```powershell irm https://unsloth.ai/install.ps1 | iex ``` 它将会自动开始安装。安装完成后，PowerShell 会询问你是否要启动 Unsloth Studio**.**
你也可以使用以下命令启动它： ```bash unsloth studio -H 0.0.0.0 -p 8888 ``` {% hint style="info" %} 如果你希望你的实例可被 PC/电脑外部的客户端访问。\ 添加 `-H 0.0.0.0` 到 `unsloth studio` 命令中。 {% endhint %} #### 步骤 2：启动 Unsloth 打开 `http://127.0.0.1:8888` 到浏览器中。首次启动时，请创建一个新密码以继续进入聊天页面。 **Unsloth Studio** 现已安装并可供使用。 Unsloth 应用现在应该会在聊天页面打开，如下所示。
**使用 HTTPS 和 Cloudflare 安全启动 Unsloth。** Unsloth 现在提供了一种通过免费的 Cloudflare 隧道以 HTTPS 安全启动 Unsloth 的方式。请使用下面的命令（适用于 Windows、Mac 和 Linux）： ```bash unsloth studio --secure ``` 你可以立即开始训练和运行模型。下面可以查看我们更详细的分步指南以开始使用： {% content-ref url="/pages/12f6b822ad28322267b74accad74f665b341f5a4" %} [Get Started](/docs/zh/xin/studio/start.md) {% endcontent-ref %} {% endtab %} {% tab title="Linux、WSL" %} #### 步骤 1：设置 Unsloth {% tabs %} {% tab title="Linux" %} 打开你的终端应用。你可以通过按 `Ctrl + Alt + T`，或通过搜索 `Terminal` 在系统的应用菜单中启动它。 {% endtab %} {% tab title="WSL" %} 点击 Windows 开始菜单，输入你已安装的发行版名称（例如 `Ubuntu`），然后打开它。 {% hint style="warning" %} 在 **WSL**，请确保你的 **NVIDIA 驱动程序** 已安装在 **Windows** （不在 WSL 内部），并且 **CUDA 工具包** 已安装在你的 WSL 发行版内部。详情请参见下面的系统要求。 {% endhint %} {% endtab %} {% endtabs %} 要安装，请复制并运行安装命令： ```bash curl -fsSL https://unsloth.ai/install.sh | sh ``` 然后： 1. 点击终端窗口内部 2. 使用以下方式粘贴命令 `Ctrl + Shift + V` 3. 按 `Enter` Unsloth 将开始设置环境并安装所需的软件包，如下所示。输入 **Y** 并按 `Enter` ，当系统询问是否允许 Unsloth 现在启动时。这将会在你的本地 **8888** 端口上启动 Unsloth。
{% hint style="info" %} 如果你在安装过程中选择不启动 Unsloth，也可以随时使用以下命令启动 Unsloth 应用： `unsloth studio -p 8888` 。如果你希望你的 Unsloth 实例可被 PC/电脑外部的客户端访问，请添加 `-H 0.0.0.0` 到 `unsloth studio` 命令中。 {% endhint %} #### 步骤 2：启动 Unsloth 打开你喜欢的浏览器并输入 `http://127.0.0.1:8888` 到 URL 输入框中。如果这是你第一次安装 Unsloth，你将被转到 `http://127.0.0.1:8888/change-password` 页面，如下所示：
**使用 HTTPS 和 Cloudflare 安全启动 Unsloth。** Unsloth 现在提供了一种通过免费的 Cloudflare 隧道以 HTTPS 安全启动 Unsloth 的方式。请使用下面的命令（适用于 Windows、Mac 和 Linux）： ```bash unsloth studio --secure ``` 你可以立即开始训练和运行模型。下面可以查看我们更详细的分步指南以开始使用： {% content-ref url="/pages/12f6b822ad28322267b74accad74f665b341f5a4" %} [Get Started](/docs/zh/xin/studio/start.md) {% endcontent-ref %} {% endtab %} {% endtabs %} ### 更新 Unsloth Studio 要更新 Unsloth Studio，请使用与安装相同的命令： **macOS、WSL、Linux：** ```bash curl -fsSL https://unsloth.ai/install.sh | sh ``` **Windows（PowerShell）：** ```powershell irm https://unsloth.ai/install.ps1 | iex ``` ## 系统要求 ### :windows: Window**s** Unsloth Studio 可直接在 Windows 上运行，无需 WSL。要训练模型，请确保你的系统满足以下要求： **要求** * Windows 10 或 Windows 11（64 位） * 已安装驱动程序的 NVIDIA GPU * **App Installer** （包含 `winget`): [这里](https://learn.microsoft.com/en-us/windows/msix/app-installer/install-update-app-installer) * **Git**: `winget install --id Git.Git -e --source winget` * **Python**：版本 3.11 到 3.14 之前 * 请在以下 Python 环境中工作，例如 **uv**, **venv**，或 **conda/mamba** ### :apple: MacOS Unsloth Studio 可在 Mac 设备上用于 [聊天](#run-models-locally) 以及训练和所有功能。你可以使用 Unsloth 运行 MLX 模型。 * macOS 12 Monterey 或更新版本（Intel 或 Apple Silicon） * 请在以下 Python 环境中工作，例如 **uv**, **venv**，或 **conda/mamba** ### :linux: Linux 和 WSL * Ubuntu 20.04+ 或类似发行版（64 位） * 已安装驱动程序的 NVIDIA GPU * CUDA 工具包（推荐 12.4+，blackwell 推荐 12.8+） * Git： `sudo apt install git` * Python：版本 3.11 到 3.14 之前 * 请在以下 Python 环境中工作，例如 **uv**, **venv**，或 **conda/mamba** ### :docker: Docker {% hint style="success" %} 我们的 Docker 镜像现在可用于 Unsloth！我们正在努力支持 Mac。 {% endhint %} * 拉取我们最新的 Unsloth 容器镜像： `docker pull unsloth/unsloth` * 通过以下命令运行容器： ```bash docker run -d -e JUPYTER_PASSWORD="mypassword" \ -p 8888:8888 -p 8000:8000 -p 2222:22 \ -v $(pwd)/work:/workspace/work \ --gpus all \ unsloth/unsloth ``` 更多信息， [请看这里](https://hub.docker.com/r/unsloth/unsloth#unsloth-docker-image). * 在以下地址访问你的 studio 实例 `http://localhost:8000` 或外部 IP 地址 `http://external_ip_address:8000/` ### :microchip: 仅 CPU Unsloth Studio 支持 CPU 设备用于 [聊天](#run-models-locally) 用于 GGUF 模型和 [数据配方](/docs/zh/xin/studio/data-recipe.md) ([导出](/docs/zh/xin/studio/export.md) （即将很快推出） * 与上面提到的 Linux（不包括 NVIDIA GPU 驱动）和 MacOS 相同。 ## 开发者 / 每日构建安装（高级） ### **主仓库安装** #### **macOS、Linux、WSL 开发者安装：** ```bash git clone https://github.com/unslothai/unsloth cd unsloth ./install.sh --local unsloth studio -p 8888 ``` 若要安装到一个隔离位置（它自己的虚拟环境、 `auth/`, `studio.db`、缓存和 llama.cpp 构建），请设置 `UNSLOTH_STUDIO_HOME` 并在启动时再次传入： ```bash UNSLOTH_STUDIO_HOME="$PWD/.studio" ./install.sh --local UNSLOTH_STUDIO_HOME="$PWD/.studio" unsloth studio -p 8888 ``` 然后更新： ```bash cd unsloth && git pull ./install.sh --local unsloth studio -p 8888 ``` #### **Windows PowerShell 开发者安装：** ```powershell git clone https://github.com/unslothai/unsloth.git cd unsloth Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass .\install.ps1 --local unsloth studio -p 8888 ``` 若要安装到一个隔离位置（它自己的虚拟环境、 `auth/`, `studio.db`、缓存和 llama.cpp 构建），请设置 `UNSLOTH_STUDIO_HOME` 并在启动时再次传入： ```powershell $env:UNSLOTH_STUDIO_HOME="$PWD\.studio"; .\install.ps1 --local $env:UNSLOTH_STUDIO_HOME="$PWD\.studio"; unsloth studio -p 8888 ``` 然后更新： ```powershell cd unsloth; git pull .\install.ps1 --local unsloth studio -p 8888 ``` #### **远程访问： `--secure` （HTTPS 隧道）vs 原始端口** 默认情况下 `unsloth studio` 绑定到 `127.0.0.1` （仅此机器）。要从另一台设备访问，请选择以下之一： * `--secure` （推荐）：通过 **仅** 免费的 Cloudflare HTTPS 链接提供服务。Unsloth 保持绑定到 localhost，而隧道提供公共 URL；如果隧道无法建立，它会失败关闭（不会启动），因此原始端口永远不会暴露。 ```bash unsloth studio --secure -p 8888 ``` * `-H 0.0.0.0`：将原始端口绑定到所有网络接口，可从网络中的任何位置访问。仅在受信任的网络中使用。 ```bash unsloth studio -H 0.0.0.0 -p 8888 ``` 服务器端工具（网页搜索、Python 和终端代码执行）会以你的用户身份运行，并且默认开启。任何能够使用 API 密钥访问服务器的人都可以在这台机器上运行代码，因此请妥善保管你的 API 密钥，并在暴露 Unsloth 时传入 `--disable-tools` 。 ### 高级启动方式 安装器选项可以通过环境变量传入。在 macOS、Linux 和 WSL 上，请将变量放在管道符后面，以便 shell 将其传递给 `sh`；在 Windows 上则使用 `$env:` 在管道传给 `iex`. 跳过 PyTorch（仅 GGUF 模式）： ```bash curl -fsSL https://unsloth.ai/install.sh | UNSLOTH_NO_TORCH=1 sh ``` ```powershell $env:UNSLOTH_NO_TORCH=1; irm https://unsloth.ai/install.ps1 | iex ``` 固定 Python 版本： ```bash curl -fsSL https://unsloth.ai/install.sh | UNSLOTH_PYTHON=3.12 sh ``` ```powershell $env:UNSLOTH_PYTHON='3.12'; irm https://unsloth.ai/install.ps1 | iex ``` 使用以下方式安装到自定义位置 `UNSLOTH_STUDIO_HOME`: ```bash curl -fsSL https://unsloth.ai/install.sh | UNSLOTH_STUDIO_HOME=/abs/path sh ``` ```powershell $env:UNSLOTH_STUDIO_HOME='C:\path'; irm https://unsloth.ai/install.ps1 | iex ``` 在高核心数主机上限制 Unsloth 的原生 CPU 线程池： `UNSLOTH_CPU_THREADS=8 unsloth studio -p 8888`. ### 卸载 完全移除 Unsloth Studio 的推荐方式是使用与你的操作系统匹配的卸载脚本。它会停止任何正在运行的服务器，移除安装目录、启动器数据目录、桌面快捷方式，以及任何平台特定的条目（macOS `.app` Mac 上的 bundle + Launch Services；开始菜单、 `HKCU\Software\Unsloth` 注册表项和用户 `PATH` 条目（Windows 上）： * ​ **MacOS、WSL、Linux：** {% code overflow="wrap" expandable="true" %} ```bash curl -fsSL https://raw.githubusercontent.com/unslothai/unsloth/main/scripts/uninstall.sh | sh ``` {% endcode %} * ​ **Windows（PowerShell）：** {% code overflow="wrap" expandable="true" %} ```bash irm https://raw.githubusercontent.com/unslothai/unsloth/main/scripts/uninstall.ps1 | iex ``` {% endcode %} 如果你只想删除安装目录并保留启动器/快捷方式，以便之后重新安装，可以改为运行 `rm -rf ~/.unsloth/studio` （Mac/Linux/WSL）或 `Remove-Item -Recurse -Force "$HOME\.unsloth\studio"` （Windows）。位于 `~/.cache/huggingface` 的模型缓存不会被这些操作影响。 #### 手动卸载 如果你只想移除特定部分： **1. 仅移除应用** （保留历史记录、聊天、检查点和导出不受影响）： * **macOS、WSL、Linux：** `rm -rf ~/.unsloth/studio/unsloth_studio` * **Windows（PowerShell）：** `Remove-Item -Recurse -Force "$HOME\.unsloth\studio\unsloth_studio"` **2. 完全移除 Unsloth** （保留其他 Unsloth 工具不受影响）： * **macOS、WSL、Linux：** `rm -rf ~/.unsloth/studio` * **Windows（PowerShell）：** `Remove-Item -Recurse -Force "$HOME\.unsloth\studio"` **3. 移除所有与 Unsloth 相关的内容：** * **macOS、WSL、Linux：** `rm -rf ~/.unsloth` * **Windows（PowerShell）：** `Remove-Item -Recurse -Force "$HOME\.unsloth"` {% hint style="warning" %} 注意：第 3 步会删除历史记录、聊天、模型检查点和导出的所有内容。此操作无法撤销。 {% endhint %} **4. 移除快捷方式和符号链接：** **macOS：** ```shellscript rm -rf ~/Applications/Unsloth\ Studio.app ~/Desktop/Unsloth\ Studio ``` **Linux：** ```shellscript rm -f ~/.local/share/applications/unsloth-studio.desktop ~/Desktop/unsloth-studio.desktop ``` **WSL / Windows（PowerShell）：** ```shellscript Remove-Item -Force "$HOME\Desktop\Unsloth Studio.lnk" Remove-Item -Force "$env:APPDATA\Microsoft\Windows\Start Menu\Programs\Unsloth Studio.lnk" ``` **5. 移除 CLI 命令：** * **macOS、Linux、WSL：** `rm -f ~/.local/bin/unsloth` * **Windows（PowerShell）：** 安装程序已将 venv 的 `Scripts` 目录添加到你的用户 PATH 中。要移除它，请打开 设置 → 系统 → 关于 → 高级系统设置 → 环境变量，在 `Path` 下的用户变量中找到并删除指向 `.unsloth\studio\...\Scripts`. {% hint style="info" %} 注意：第 1-5 步不会影响你已下载的 HF 模型文件。如果你想释放这部分空间，请参阅下面的删除缓存的 HF 模型文件。 {% endhint %} ### **删除缓存的 HF 模型文件** 你可以从模型搜索中的垃圾桶图标删除旧模型文件，或者从默认的 Hugging Face 缓存目录中移除相关的缓存模型文件夹。默认情况下，Hugging Face 使用 `~/.cache/huggingface/hub/` 在 macOS/Linux/WSL 上，以及 `C:\Users\\.cache\huggingface\hub\` 在 Windows 上。 * **MacOS、Linux、WSL：** `~/.cache/huggingface/hub/` * **Windows：** `%USERPROFILE%\.cache\huggingface\hub\` 如果 `HF_HUB_CACHE` 或 `HF_HOME` 已设置，请改用该位置。在 Linux 和 WSL 上， `XDG_CACHE_HOME` 也可以更改默认缓存根目录。 ### 使用旧的 / 现有的 GGUF 模型 {% columns %} {% column %} **4 月 1 日更新：** 你现在可以选择一个现有文件夹供 Unsloth 从中检测。 **3 月 27 日更新：** Unsloth Studio 现在 **会自动检测较旧的 / 已存在的模型** ，这些模型可能下载自 Hugging Face、LM Studio 等。 {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} **手动说明：** Unsloth Studio 会检测下载到你的 Hugging Face Hub 缓存中的模型 `（C:\Users{your_username}.cache\huggingface\hub)`。如果你有通过 LM Studio 下载的 GGUF 模型，请注意它们存储在 `C:\Users{your_username}.cache\lm-studio\models` ***或*** `C:\Users{your_username}\lm-studio\models` 中。有时如果它们不可见，你需要将这些 .gguf 文件移动或复制到你的 Hugging Face Hub 缓存目录（或 llama.cpp 可访问的其他路径）中，Unsloth Studio 才能加载它们。 在 Unsloth 中微调模型或适配器后，你可以将其导出为 GGUF，并使用 **llama.cpp** 直接在 Unsloth Chat 中运行本地推理。Unsloth Studio 由 llama.cpp 和 Hugging Face 提供支持。 ### :google: Google Colab 笔记本 我们创建了一个 [免费的 Google Colab 笔记本](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb) ，这样你就可以在 Colab 的 T4 GPU 上探索 Unsloth 的所有功能。你可以训练并运行大多数参数量不超过 22B 的模型，并在更大的模型上切换到更强的 GPU。只需点击“Run all”，安装完成后界面就会弹出。 {% columns %} {% column %} {% embed url="" %} 安装完成后，滚动到 **启动 Unsloth Studio** 并点击 **打开 Unsloth Studio** 左侧白色框中显示的位置： **继续向下滚动，就可以看到实际的 UI。** {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} {% hint style="warning" %} 有时 Unsloth 链接可能会返回错误。这是因为你可能禁用了 cookie，或者你在使用广告拦截器或 Mozilla。你仍然可以通过滚动到按钮下方来访问 UI。 Google Colab 也希望你停留在 Colab 页面；如果检测到不活跃，它可能会关闭 GPU 会话。 {% endhint %} ## 故障排除
问题修复
Python 版本错误sudo apt install python3.12 python3.12-venv 版本 3.11 到 3.14 之前
未找到 nvidia-smi从 https://www.nvidia.com/Download/index.aspx 安装 NVIDIA 驱动程序
未找到 nvcc （CUDA）sudo apt install nvidia-cuda-toolkit 或添加 /usr/local/cuda/bin 到 PATH
llama-server 构建失败非致命错误，Unsloth 仍可使用，但 GGUF 推理将不可用。安装 cmake 并重新运行设置即可修复。
未找到 cmakesudo apt install cmake
未找到 gitsudo apt install git
构建失败删除 ~/.unsloth/llama.cpp 并重新运行设置
--- # 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/zh/xin/studio/install.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.