> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/training/training.md).

# Überblick

Trainiere und feintune KI-Modelle auf CLORE.AI-GPUs.

## Verfügbare Anleitungen

| Leitfaden                                                                   | Anwendungsfall                                 | Schwierigkeitsgrad |
| --------------------------------------------------------------------------- | ---------------------------------------------- | ------------------ |
| [Jupyter-ML-Training](/guides/guides_v2-de/training/jupyter-ml-training.md) | Interaktives Training                          | Einfach            |
| [DreamBooth](/guides/guides_v2-de/training/dreambooth.md)                   | Benutzerdefinierte SD-Motive                   | Mittel             |
| [Kohya-Training](/guides/guides_v2-de/training/kohya-training.md)           | LoRA/LyCORIS-Training                          | Mittel             |
| [LLM feinabstimmen](/guides/guides_v2-de/training/finetune-llm.md)          | LLM-Feinabstimmung                             | Fortgeschritten    |
| [DeepSpeed](/guides/guides_v2-de/training/deepspeed-training.md)            | Verteiltes Training                            | Fortgeschritten    |
| [HuggingFace](/guides/guides_v2-de/training/huggingface-transformers.md)    | Transformers-Training                          | Mittel             |
| [Unsloth](/guides/guides_v2-de/training/unsloth-finetune.md)                | Schnelle LLM-Feinabstimmung                    | Mittel             |
| [Axolotl](/guides/guides_v2-de/training/axolotl-training.md)                | YAML-zentrierte Feinabstimmung                 | Mittel             |
| [LLaMA-Factory](/guides/guides_v2-de/training/llama-factory.md)             | Einfache LLM-Trainingsoberfläche               | Einfach            |
| [TRL](/guides/guides_v2-de/training/trl.md)                                 | Transformer-Verstärkungslernen                 | Fortgeschritten    |
| [LitGPT](/guides/guides_v2-de/training/litgpt.md)                           | Lightning-basiertes Training                   | Mittel             |
| [Mergekit](/guides/guides_v2-de/training/mergekit.md)                       | Werkzeugkasten zum Zusammenführen von Modellen | Einfach            |

## GPU-Empfehlungen

{% hint style="warning" %}
**Multi-GPU-Rigs der 80GB-Klasse sind auf dem Clore.ai-Marktplatz nicht gelistet.** Die größten heute gelisteten Systeme sind 4× RTX PRO 6000 Blackwell (je 96 GB, 380 GB gesamt) und 8–11× RTX 5090 (je 32 GB). Kapazitäten für A100 / H200 / B200 werden als [Bare Metal](https://clore.ai/bare-metal) auf Anfrage verkauft. Prüfe [GPU-Preise & Verfügbarkeit](/guides/guides_v2-de/erste-schritte/pricing.md) bevor du eine Bereitstellung dimensionierst.
{% endhint %}

| Aufgabe                  | Minimum  | Empfohlen |
| ------------------------ | -------- | --------- |
| LoRA (SD)                | RTX 3060 | RTX 3090  |
| DreamBooth               | RTX 3090 | RTX 4090  |
| LLM-Feinabstimmung (7B)  | RTX 3090 | A100 40GB |
| LLM-Feinabstimmung (70B) | 4x A100  | 8x A100   |

## Trainingstypen

### Bildmodelle

* **LoRA** - Leichter Adapter, schnelles Training
* **DreamBooth** - Vollständige Feinabstimmung für Konzepte
* **Textuelle Inversion** - Neue Tokens lernen

### Sprachmodelle

* **LoRA/QLoRA** - Speicher-effiziente Feinabstimmung
* **Vollständige Feinabstimmung** - Beste Qualität, benötigt mehr VRAM

## Tipps

* Verwende **Spot** Bestellungen für lange Trainingsläufe
* Aktiviere Gradient Checkpointing, um VRAM zu sparen
* Überwache das Training mit TensorBoard
* Checkpoints häufig speichern

## Verwandte Leitfäden

* [Sprachmodelle](/guides/guides_v2-de/sprachmodelle/language-models.md)
* [Bilderzeugung](/guides/guides_v2-de/bildgenerierung/image-generation.md)


---

# 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://docs.clore.ai/guides/guides_v2-de/training/training.md?ask=<question>&goal=<endgoal>
```

`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.