Zum Inhalt springen
FindOpenSource

Unsloth

Bibliothek zum deutlich schnelleren und speicherärmeren Feintunen großer Sprachmodelle im Vergleich zu Standard-Trainingsansätzen.

Überblick

Unsloth optimiert den Feintuning-Prozess für populäre Open-Weight-LLMs und beansprucht durch benutzerdefinierte Kernel-Optimierungen wesentlich schnelleres Training und geringeren Speicherverbrauch als Standard-Hugging-Face-Trainingscode, wodurch Feintuning-Jobs, die sonst High-End-Multi-GPU-Setups bräuchten, auf bescheidenerer Hardware laufen können. Es unterstützt populäre offene Modelle und integriert sich in gängige Feintuning-Workflows.

Unsloth eignet sich für Teams oder Einzelpersonen, die Open-Weight-LLMs mit begrenztem Hardware-Budget feintunen – eine spezialisierte Effizienzschicht, die DeepSpeed (ebenfalls in diesem Katalog) ergänzt: Beide adressieren Trainingseffizienz, wobei sich Unsloth speziell darauf konzentriert, Feintuning auf kleinerer Hardware zugänglich zu machen.

Kategorien
KI & Machine Learning
Schlagwörter
fine-tuningllm-trainingmodel-optimization
Sprachen
Python
Lizenz
Apache-2.0

Einen Fehler entdeckt? Änderung auf GitHub vorschlagen.