Überblick

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

Verfügbare Anleitungen

Leitfaden	Anwendungsfall	Schwierigkeitsgrad
Jupyter-ML-Training	Interaktives Training	Einfach
DreamBooth	Benutzerdefinierte SD-Motive	Mittel
Kohya-Training	LoRA/LyCORIS-Training	Mittel
LLM feinabstimmen	LLM-Feinabstimmung	Fortgeschritten
DeepSpeed	Verteiltes Training	Fortgeschritten
HuggingFace	Transformers-Training	Mittel
Unsloth	Schnelle LLM-Feinabstimmung	Mittel
Axolotl	YAML-zentrierte Feinabstimmung	Mittel
LLaMA-Factory	Einfache LLM-Trainingsoberfläche	Einfach
TRL	Transformer-Verstärkungslernen	Fortgeschritten
LitGPT	Lightning-basiertes Training	Mittel
Mergekit	Werkzeugkasten zum Zusammenführen von Modellen	Einfach

GPU-Empfehlungen

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 auf Anfrage verkauft. Prüfe GPU-Preise & Verfügbarkeit bevor du eine Bereitstellung dimensionierst.

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

• Bilderzeugung