Übersicht

KI-Modelle auf CLORE.AI-GPUs trainieren und feinabstimmen.

Verfügbare Leitfäden

Anleitung	Anwendungsfall	Schwierigkeitsgrad
Jupyter ML Training	Interaktives Training	Einfach
DreamBooth	Benutzerdefinierte SD-Subjekte	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-first Feinabstimmung	Mittel
LLaMA-Factory	Einfaches LLM-Training UI	Einfach
TRL	Transformer-Verstärkungslernen	Fortgeschritten
LitGPT	Lightning-basiertes Training	Mittel
Mergekit	Toolkit zum Zusammenführen von Modellen	Einfach

GPU-Empfehlungen

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

• Textual Inversion - Neue Tokens lernen

Sprachmodelle

• LoRA/QLoRA - Speicherplatzsparende Feinabstimmung

• Volle Feinabstimmung - Beste Qualität, benötigt mehr VRAM

Tipps

• Verwendung Spot Bestellungen für lange Trainingsläufe

• Gradient Checkpointing aktivieren, um VRAM zu sparen

• Training mit TensorBoard überwachen

• Checkpoints häufig speichern

Verwandte Anleitungen

• Sprachmodelle

• Bildgenerierung