用 Docker 跑大模型训练，Unsloth 解决了环境配置难题 - 文章 - 开发者社区

Unsloth AI 刚发布了 Docker 镜像版本，直接解决了本地训练大模型最头疼的环境配置问题。拉个镜像就能开始训练，所有依赖和示例 notebook 都打包好了。

picture.image

具体使用很简单。先安装 Docker 和 NVIDIA Container Toolkit，然后一行命令启动：

  
docker run -d -e JUPYTER\_PASSWORD="mypassword" \  
  -p 8888:8888 -p 2222:22 \  
  -v $(pwd)/work:/workspace/work \  
  --gpus all \  
  unsloth/unsloth

打开浏览器访问 localhost:8888，就能看到预装好的 Jupyter Lab 环境。

picture.image

镜像里包含了所有 Unsloth 的示例 notebook，涵盖模型微调和强化学习等内容。数据通过 volume 挂载保存，容器删除后数据不会丢失。还支持 SSH 连接，方便使用自己熟悉的编辑器。

picture.image

从社区反馈看，目前的限制主要有：

暂不支持 Mac 系统
不支持多 GPU 训练
AMD 显卡支持有限

针对 Blackwell 和 RTX 50 系列显卡，Unsloth 提供了专门的镜像 unsloth/unsloth-blackwell。没有 GPU 的用户可以尝试 Docker 的 Offload 功能。

Docker 化确实降低了使用门槛，特别适合团队协作、云端部署和教学演示等场景。对于想尝试本地训练大模型的开发者来说，这个 Docker 镜像提供了一个快速上手的方案。虽然还有一些功能限制，但至少在单卡 NVIDIA GPU 的场景下，已经能让大部分人避开环境配置的坑了。

关注公众号回复“进群”入群讨论。