概览

在 CLORE.AI GPU 上训练和微调 AI 模型。

可用指南

指南	使用场景	难度
Jupyter 机器学习训练	交互式训练	简单
DreamBooth	自定义 SD 主题	中等
Kohya 训练	LoRA/LyCORIS 训练	中等
微调 LLM	LLM 微调	高级
DeepSpeed	分布式训练	高级
HuggingFace	Transformers 训练	中等
Unsloth	快速 LLM 微调	中等
Axolotl	以 YAML 为先的微调	中等
LLaMA-Factory	简易 LLM 训练界面	简单
TRL	Transformer 强化学习	高级
LitGPT	基于 Lightning 的训练	中等
Mergekit	模型合并工具包	简单

GPU 推荐

Clore.ai 市场上未列出多 GPU 的 80GB 级机型。 目前列出的最大配置是 4× RTX PRO 6000 Blackwell（每张 96GB，共 380GB）以及 8–11× RTX 5090（每张 32GB）。A100 / H200 / B200 容量可按 裸机 需求提供。部署前请查看 GPU 价格与可用性 。

任务	最低	推荐
LoRA（SD）	RTX 3060	RTX 3090
DreamBooth	RTX 3090	RTX 4090
LLM 微调（7B）	RTX 3090	A100 40GB
LLM 微调（70B）	4 张 A100	8 张 A100

训练类型

图像模型

• LoRA - 轻量级适配器，训练快速

• DreamBooth - 用于概念的全量微调

• 文本反演 - 学习新 token

语言模型

• LoRA/QLoRA - 内存高效微调

• 全量微调 - 质量最佳，但需要更多显存

提示

• 使用 竞价 长时间训练运行的订单

• 启用梯度检查点以节省显存

• 使用 TensorBoard 监控训练

• 经常保存检查点

相关指南

• 语言模型

• 图像生成