> 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-es/entrenamiento/training.md).

# Descripción general

Entrena y ajusta modelos de IA en GPUs de CLORE.AI.

## Guías disponibles

| Guía                                                                                        | Caso de uso                                | Dificultad |
| ------------------------------------------------------------------------------------------- | ------------------------------------------ | ---------- |
| [Entrenamiento de ML en Jupyter](/guides/guides_v2-es/entrenamiento/jupyter-ml-training.md) | Entrenamiento interactivo                  | Fácil      |
| [DreamBooth](/guides/guides_v2-es/entrenamiento/dreambooth.md)                              | Sujetos SD personalizados                  | Medio      |
| [Entrenamiento de Kohya](/guides/guides_v2-es/entrenamiento/kohya-training.md)              | Entrenamiento LoRA/LyCORIS                 | Medio      |
| [Ajustar LLM](/guides/guides_v2-es/entrenamiento/finetune-llm.md)                           | Ajuste fino de LLM                         | Avanzado   |
| [DeepSpeed](/guides/guides_v2-es/entrenamiento/deepspeed-training.md)                       | Entrenamiento distribuido                  | Avanzado   |
| [HuggingFace](/guides/guides_v2-es/entrenamiento/huggingface-transformers.md)               | Entrenamiento de Transformers              | Medio      |
| [Unsloth](/guides/guides_v2-es/entrenamiento/unsloth-finetune.md)                           | Ajuste fino rápido de LLM                  | Medio      |
| [Axolotl](/guides/guides_v2-es/entrenamiento/axolotl-training.md)                           | Ajuste fino centrado en YAML               | Medio      |
| [LLaMA-Factory](/guides/guides_v2-es/entrenamiento/llama-factory.md)                        | Interfaz fácil para entrenamiento de LLM   | Fácil      |
| [TRL](/guides/guides_v2-es/entrenamiento/trl.md)                                            | Aprendizaje por refuerzo con Transformers  | Avanzado   |
| [LitGPT](/guides/guides_v2-es/entrenamiento/litgpt.md)                                      | Entrenamiento basado en Lightning          | Medio      |
| [Mergekit](/guides/guides_v2-es/entrenamiento/mergekit.md)                                  | Kit de herramientas para fusión de modelos | Fácil      |

## Recomendaciones de GPU

{% hint style="warning" %}
**Los equipos multinodo de clase 80GB no aparecen listados en el marketplace de Clore.ai.** Los equipos más grandes listados hoy son 4× RTX PRO 6000 Blackwell (96GB cada una, 380GB en total) y 8–11× RTX 5090 (32GB cada una). La capacidad A100 / H200 / B200 se vende como [bare metal](https://clore.ai/bare-metal) bajo pedido. Consulta [Precios y disponibilidad de GPU](/guides/guides_v2-es/primeros-pasos/pricing.md) antes de dimensionar un despliegue.
{% endhint %}

| Tarea                    | Mínimo   | Recomendado |
| ------------------------ | -------- | ----------- |
| LoRA (SD)                | RTX 3060 | RTX 3090    |
| DreamBooth               | RTX 3090 | RTX 4090    |
| Ajuste fino de LLM (7B)  | RTX 3090 | A100 40GB   |
| Ajuste fino de LLM (70B) | 4x A100  | 8x A100     |

## Tipos de entrenamiento

### Modelos de imagen

* **LoRA** - Adaptador ligero, entrenamiento rápido
* **DreamBooth** - Ajuste fino completo para conceptos
* **Inversión textual** - Aprende nuevos tokens

### Modelos de lenguaje

* **LoRA/QLoRA** - Ajuste fino eficiente en memoria
* **Ajuste fino completo** - Mejor calidad, necesita más VRAM

## Consejos

* Usa **Spot** órdenes para ejecuciones largas de entrenamiento
* Activa el checkpointing de gradientes para ahorrar VRAM
* Monitorea el entrenamiento con TensorBoard
* Guarda puntos de control con frecuencia

## Guías relacionadas

* [Modelos de lenguaje](/guides/guides_v2-es/modelos-de-lenguaje/language-models.md)
* [Generación de imágenes](/guides/guides_v2-es/generacion-de-imagenes/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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.clore.ai/guides/guides_v2-es/entrenamiento/training.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.