PC提案事例

クライオ電子顕微鏡での単粒子解析用ワークステーションを導入したいので、予算220万円程度で適切な構成を提案してほしい。

具体的な希望は以下の通り。

お客さまご希望の条件に沿った構成をご提案しました。

最新のRyzen Threadripper PRO 7000 WXシリーズを搭載

2024年4月時点で最新であるRyzen Threadripper PRO 7000 WXシリーズの24コアモデルを採用した構成です。
24のコア数と4.20GHzの動作クロックにより、解析時の高いパフォーマンスが期待できます。

NVIDIA Geforce RTX4090 x2枚搭載時は200V環境が必須

ご指定に沿って、NVIDIA Geforce RTX4090 x2枚を搭載しています。
なお、NVIDIA Geforce RTX4090のTDPは450Wと消費電力の大きい製品のため、2枚搭載した場合は200V環境が必須です。

100V環境での利用できることを優先する場合には、RTX4090の搭載数を1枚に減らす、あるいはNVIDIA A6000やNVIDIA RTX6000 Adaといったより消費電力量の低いビデオカード x2枚に変更することで100V環境への対応が可能です。

ソフトウェアの事前インストールも可能

また、ご希望の場合はクライオ電子顕微鏡法向けのソフトウェアを事前インストールすることも可能です。ご希望の際には気兼ねなくお申し付けください。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

事例No.PC-10086を見ての問い合わせ。
DeepLabCut ver2.3用のワークステーションの導入を考えている。予算100万円程度で最適構成を提案してほしい。

処理能力の希望は、現在使用しているNVIDIA RTX A6000 x1枚を搭載したワークステーションと同等以上の速度でDeepLabCutを動かせること。
また、DeepLabCut ver2.3の事前インストールも依頼したい。

具体的なスペックとしては，以下の条件を希望する。

2024年2月時点で最新の第14世代Core i9を搭載した構成です。予算に合わせて合計24コアのCore i9-14900Kを選択しています。

なお、実際にDeepLabCutを実行した際に負荷がかかる箇所はGPUが大半で、CPUに高い負荷がかかる場面はかなり少ないと考えられます。
そのため、CPUの性能を重視しない場合はCore i7などの下位モデルに変更することも可能です。

GeForce RTX4090とRTX A6000、どちらが最適？

お客様のご希望に合わせて、GPUはNVIDIA GeForce RTX4090 24GBを選択しています。
NVIDIA GeForce RTX4090 24GBとNVIDIA RTX A6000 48GBを比較すると、チップの世代とVRAM容量に違いがあります。チップの世代はRTX4090で採用されているものの方が新しいですが，VRAM容量はA6000の半分です。
DeepLabCutのGPU処理はTensorFlowを基盤としており、GPU利用中の挙動もTensorFlowの特性に準じます。TensorFlowのデフォルト設定で実行した場合、DeepLabCutは確保できるだけのビデオメモリを確保して処理を実行します。そのため、VRAM容量の差による影響が生じることも考えられますが、RTX4090のCUDAコア数は18,000以上でA6000の2倍に近い値です。実際の利用ではVRAM容量の差よりもCUDAコア数の差による影響の方がより大きく現れると考えられるため、RTX A6000と比較しても解析速度の向上が期待できます。

なお、DeepLabCut公式リポジトリに掲載されているGPUの要件では8GB以上のVRAMが推奨として示されています。その値から考えると、RTX4090の24GBも十分なVRAMが確保されていると言えます。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

PC-10619を見ての問い合わせ。
疫学データを用いて、将来の健康の予測モデル構築や測定項目間の因果探索を実施している。
予算280万円以内で、可能な限り処理速度の速いPCを提案してほしい。

解析環境にはPythonを使用しており、パッケージとしてはRandomForest、LightGBM、LiNGAM、pgmpyを使用することが多い。扱っているデータは最大で1万行×1万列であり、現状計算に非常に時間を要している。

使用するパッケージにGPU性能は必要ないため、現状ではGPU性能は重視していないが、将来的には深層学習の実施や、より大規模なデータを取り扱うことを考えている。そのため、ビデオカードが増設可能な拡張性のあるマザーボードが好ましい。

希望する条件は以下の通り。

お客様ご希望の条件に沿った構成をご提案しました。
お問い合わせ事例PC-10619の構成をベースに、さらにスケールアップした構成です。
具体的には、並列処理性能の向上のため、CPUを上位モデルに変更し、メモリ搭載量を倍増しています。

ビデオカードの優先度は低いとのことでしたが、CPUを最上位品にしてもご予算に余裕があることに加えて、将来的にDeepLearningを実施する予定があるとうかがいましたので、ハイエンドモデルであるNVIDIA Geforce RTX4090 24GBを選択しました。

Geforce RTX4090 24GB は16,384基のCUDAコア、512基の第4世代Tensorコア、24GBのGDDR6X VRAMを搭載しているため、DeepLearningへの活用が期待できます。DeepLearningへの対応が必要ない場合は変更も可能です。

マザーボードに関しては、拡張性を確保した選定を行っています。
具体的な拡張予定のご要望がありましたら、それに合わせた構成の調整も可能ですのでお申し付けください。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

検索キーワード
健康予測モデル構築,疫学データ分析,健康予測ツール,健康データ解析,データ駆動の予測モデル,Pythonデータ解析,データ科学ソリューション,AMD Ryzen ThreadripperPRO,ハイパフォーマンスPC,ディープラーニング対応PC,ビッグデータ解析PC,Windows 11 Professional,データ解析ワークステーション,NVIDIA Geforce RTX4090,高性能ワークステーション,拡張性のあるマザーボード,疫学研究,ランダムフォレスト,LightGBM,LiNGAM,pgmpy,ディープラーニング予備,ビッグデータ解析ソフトウェア

医用画像を利用したDeepLearningを行うためのマシンを検討したい。
予算60万円の範囲内で可能な構成を提案して欲しい。
検討における条件は以下の通り。

GPUでの学習を想定しているが、提案の構成がGPUを複数搭載できるか教えて欲しい。
また、GPUメモリの容量とGPUの搭載数のどちらを優先するべきかについても知りたい。

第13世代Core i7を搭載した構成をご提案しました。

ビデオカードにはGeforce RTX4080を選択しています。
1ランク上のRTX4090とした場合、ご予算オーバーになってしまうため、コストを優先した選択です。
RTX4080も前世代のRTX3090とほぼ同等のCUDAコア数を搭載しているため、単純な処理性能の面ではハイエンドモデルに位置付けられます。

なお、ビデオカードの複数搭載につきましては、ご予算内での対応が難しいことから本件では考慮していません。
本事例の構成はビデオカード x1枚での運用を前提とし、カード増設非対応の構成となっております。
もし、ビデオカード x2枚を搭載可能な構成をご希望の場合は、ベース構成をワークステーション向けに最適化したものへと変更してご提案しますのでお知らせください。

検索キーワード
医用画像DeepLearning,TensorFlow,Keras,Pytorch,CUDA Toolkit,ディープラーニングマシン,NVIDIA Geforce RTX4080,機械学習ソフトウェア,インストールなしOS,GPUメモリ容量