- 事例No.PC-10291B
-
参考価格：
5,478,000円機械学習＆量子化学計算シミュレーション用マシン (RTX A6000 x4枚構成)
用途：機械学習と量子化学計算シミュレーション事例No.PC-10291の後継仕様です。
PC-10291で採用していたGeforce RTX3090が終息のため、RTX A6000 x4枚を100V環境で使用できる構成としてご用意しました。
本構成は筐体の内部スペースの制約から、搭載できるHDD数に限りがあります。また、RAIDカードなどを搭載するバスが残っていないため、RAID非対応となっております。電源ユニットは1600W表記ではありますが、100V環境では実質的に1300W強の給電能力です。
本構成に搭載した電源 x2台は冗長化 (どちらかが壊れても動作する) を目的としたものではありませんので、どちらか片方の電源が故障した場合、システムは停止します。この点、サーバー的な安定性を考慮しない構成ですので、あくまで100V環境を優先し、なおかつシステムのダウンタイムが許容できる用途・範囲での利用が前提であることをご承知おきください。【本構成における注意点】
・給電量を確保するための電源 x2台構成です。片方の電源が故障した場合、システムは機能しません。クリティカルな用途でのご利用は避けてください。
・100V対応への対応のため、消費電力は15Aを超えます。2つの電源は必ず別系統のコンセントから給電してください。（1コンセントからのタコ足配線や電気契約15Aでのご利用は不可)
・HDDなどの増設には対応していません。(搭載可能な内蔵ドライブはM.2タイプのストレージ x2枚まで)
主な仕様
CPU Ryzen ThreadripperPRO 5975WX (3.60GHz 32コア) メモリ 512GB ストレージ1 1TB SSD M.2 ストレージ2 10TB HDD S-ATA ビデオ NVIDIA RTX A6000 x4 ネットワーク on board (1GbE x1 10GBase-T x1) 筐体+電源 タワー筐体 + 1600W x2 OS Ubuntu 20.04 事例追加日：2022/11/29
- 事例No.PC-10572
-
参考価格：
836,000円地震動に関する機械学習のためのマシン
用途：機械学習 (大量のデータ学習を高速で実施)お客さまからのご相談内容
地震動に関する研究を行うためのマシンが欲しい。
大量のデータ学習を高速で実施するため、メモリやGPUを充実させたい。
Pythonで自社開発したコードを用いた処理を行う予定だが、SonyのNeural Network Consoleも補助的な役割で使用する。マシン導入における条件は以下の通り。
・予算は100万円以内
・上記の予算内でRAMやGPUの容量をできる限り増やす
・GPU：Geforce RTX3090
・OS：Windows10PCに詳しくないため、メモリやGPUの容量やバランスなどに不安がある。
曖昧なイメージしか持っていないが、上記の条件を踏まえて適切な構成を提案して欲しい。テガラからのご提案
GPUを使用した機械学習では、GPUに搭載されているメモリの容量が重要になります。
お客様が自作したPythonコードがマシン本体のメインメモリを重視する場合は例外ですが、GPUを使用した一般的な機械学習では、メインメモリから一旦GPUメモリにデータを移動してから動作します。
そのため、メインメモリがGPUメモリ＋α以上に必要になるケースは少ないです。■Point
・GPUメモリの容量が大きいと、GPU学習時のバッチサイズなどを大きく取ることができ、学習速度が向上する場合がある。(特に、大容量の画像データを使った学習の場合にこの傾向が見られる)
・GPUメモリ容量の大きな製品をおすすめしたいが、ご予算100万円に収めるのは難しい。
ご予算とGPUメモリの条件から、NVIDIA GeforceシリーズをGPUとする方針で検討しました。
ご指定のRTX3090は終息のため、後継のRTX4090としています。ビデオメモリ 24GBに対し、メインメモリは64GBと余裕のあるスペックです。また、お客様からは以下のご質問をいただきました。
■Question
GPUとCPUの使い分けとして、下記の[1]～[3]を想定している。
[1]CPU側で学習用データの前処理を実施する。
[2]前処理したデータをGPU上に転送して機械学習を行う。
[3]GPU上で学習させたモデルによる予測結果等をCPU上で処理する
提案構成では、メインメモリとGPUメモリの容量差が大きい印象だが、GPUメモリを24GBから48GBに変更することは可能か。
GPUで学習させた場合はインファレンスもGPUで行うパターンが多いと思われます。[3]についてお客様に確認した結果、インファレンスや推定精度の評価、図化を想定しているとのことでした。
CPUのインファレンスは特殊な機能がなくても可能ですが、処理に大変時間がかかる場合があります。そのため、お使いのインファレンスプログラムが (GPUでいうところのCUDAのように) CPUハード側で用意しているベンダー専用の仕組みを使って組み込まれている可能性がないか、確認をお願いしました。
例えば、IntelのDeep Learning Boostを前提にソフトが組み込まれている場合、この仕組みが実装されているCPUを利用する必要があります。参考：インテル ディープラーニング・ブースト (インテル DLブースト) ※外部サイトに飛びます
確認・ヒアリングの結果、インファレンス部分はCUDAによるGPU利用での対応であることが確認できたため、CPU側はIntel Deep Learning Boostなどを考慮する必要がないと判断しています。
また、GPUメモリの容量を増やす場合、ビデオカード自体を別の製品に変更する必要があります。
候補としてはRTX A6000 48GBが考えられますが、ご予算内での採用が難しいためRTX4090 24GBを選択している旨をお客様にお伝えし、ご理解をいただきました。ご予算に余裕のあるお客様は、RTX A6000に変更した構成でご案内しますので、お気軽にご相談ください。
主な仕様
CPU AMD Ryzen7 7700X (4.50GHz 8コア) メモリ 64GB ストレージ1 2TB SSD M.2 ストレージ2 8TB HDD S-ATA ビデオ NVIDIA Geforce RTX4090 24GB (内排気) ネットワーク on board (2.5G x1 10/100/1000Base-T x1) Wi-Fi x1 筐体+電源 ミドルタワー筐体 + 1000W OS Microsoft Windows 10 Pro 64bit ■FAQ
・機械学習とは
機械学習は、データ蓄積により特定のタスクをコンピュータ上で実行できるようになる仕組み。
コンピュータが自律的に認識・予測精度を向上させる。
機械学習に関しては、弊社オウンドメディア「TEGAKARI」の関連記事をご覧ください。参考：【特集記事】機械学習ってなんだろう ※外部サイトに飛びます
・Neural Network Consoleとは
Neural Network Console (NNC) はSonyが開発したディープラーニング・ツール。プログラミングをせずにDeepLearningを行うことができる。参考：Neural Network Console (Sony) ※外部サイトに飛びます
・インファレンスとは
インファレンス (推論) とは、機械学習で問題を答えさせることを指す。
前のフェーズであるラーニング (学習) において、多くの学習データから分類や識別などを読み取り、パラメータを調節し、インファレンスで問題を解くのが、機械学習。
推論での回答結果に誤りがある場合には、学習フェーズに戻ってパラメータの調整を行い、再度推論を行って精度を高めることになる。検索キーワード
Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming事例追加日：2022/11/29
- 事例No.PC-10543
-
参考価格：
690,800円GeForce RTX 4090搭載 深層学習用マシン
用途：声音合成のための深層学習お客さまからのご相談内容
声音合成の研究のため、音声言語の機械学習を目的としたマシンを導入したい。
予算60～70万円程度で、希望するマシンスペックは以下の通り。・メモリ：64GB以上
・ストレージ：1TB SSD 以上
・ビデオカード：NVIDIA RTX3090相当
・OS：Ubuntu (使い慣れたUbuntu 18.04をインストールして欲しい)テガラからのご提案
ご相談の時点では、為替レート上昇などの影響により、ご予算内で複数台のGPUに対応した構成をご提案することが難しいため、GPU x1台に対応した構成をご用意しました。2台目のGPU増設に対応しない構成となります。
また、Ubuntu 18.04のインストールに関しては、以下の情報をお伝えし、方針をご検討いただいています。
■Point
・Ubuntu 18.04は旧Verであり、最新のハードウェア構成では動作確認ができておらず、動作を保証することが難しい。
・Ubuntu 18.04のインストールを試すこと自体は問題ない。
・致命的なハード認識エラーがなければUbuntu 18.04で出荷し、エラーが発生＆解決できない場合は20.04もしくは22.04に変更する方法はどうか。
・Ubuntu 18.04をインストールした場合、LAN周辺やCPU、ボード系の低電力関係の対応でエラーが発生する可能性が考えられる。お客様からは「Ubuntu 18.04のインストールを試して問題がある場合には、20.04もしくは22.04に変更して構わない」とご承諾いただきましたので、本事例ではご要望に合わせたOSとしています。
また、GPUは新型のRTX4090を採用しています。
RTX4090は物理的なサイズ・発熱が大きいことから、筐体内部のエアフローに十分注意する必要があります。本事例はGPU x1台までに対応したハードウェア構成ですので、内排気タイプのRTX4090にも対応しています。そのため、ご利用ソフトウェア側でGPUに関する制限がなければ、旧製品のRTX3090よりも高い処理性能が期待できます。参考：【動作検証】GeForce RTX4090 取り付け～OS動作検証情報 ※弊社オウンドメディア「TEGAKARI」へ飛びます
主な仕様
CPU AMD Ryzen5 7600X (4.70GHz 6コア) メモリ 64GB ストレージ 1TB SSD S-ATA ビデオ NVIDIA Geforce RTX4090 (内排気) ネットワーク on board (2.5GBase-T x1) 筐体+電源 ミドルタワー筐体 + 1000W OS Ubuntu 18.04 ■FAQ
・深層学習とは
深層学習、またはDeepLearning (ディープラーニング) とは、データを学習することでコンピュータが自律的に予測や分類を行う機械学習の手法です。
機械学習に関しては、弊社オウンドメディア「TEGAKARI」の関連記事をご覧ください。参考：【特集記事】機械学習ってなんだろう ※弊社オウンドメディア「TEGAKARI」に飛びます
検索キーワード
Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming事例追加日：2022/11/16
- 事例No.PC-10346
-
参考価格：
898,000円AI画像処理用マシン
用途：AIを利用した画像処理お客さまからのご相談内容
AI研究で画像処理を行うため、専用のマシンが欲しい。
考えているスペックは以下の通り。マザーボード：PCI-E4.0x16 (PCI-E5.0x8) 相当の転送速度で2台のGPUを搭載できるもの
CPU：Intel製
メモリ：64GB
ストレージ：SSDとHDD
GPU：RTX3090もしくはRTX3090Ti のいずれかを2台
予算：90万円以内テガラからのご提案
ご予算を重視した構成をご提案しました。
CPUをエントリークラスの製品にして価格を抑えていますが、全体のコストに対してGPUの占める割合が大きく、RTX3090を2台搭載する前提ですと100万円未満でのご案内は難しくなります。そのため、RTX3090を1台にして、ご予算内に収めることを優先しました。
なお、ご予算に余裕がある場合でも、GPUをRTX3090Tiとする場合には、排気形式やカードサイズの問題により1台のみの搭載が限界となりますのでご承知おきください。主な仕様
CPU Xeon Silver 4310 (2.10GHz 12コア) メモリ 64GB ストレージ1 1TB SSD S-ATA ストレージ2 4TB HDD S-ATA ビデオ NVIDIA Geforce RTX3090 ネットワーク on board (10GBase-T x2) 筐体+電源 ミドルタワー筐体 + 1200W OS Windows 10 Professional 64bit 検索キーワード
Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming事例追加日：2022/09/26
「お客様だけのオーダーメイドPC」を製作しています。
用途に応じた細かなアドバイスや迅速な対応がテガラの強みです。
上記の仕様はテガラでお客様に提案したPC構成の一例です。
掲載内容は提案当時のものであり、また使用する部材の供給状況によっては、現在では提供がむずかしいものや、部材を変更してのご提案となる場合がございます。
参考価格については、提案当時の価格(送料込・税込)になります。
ご相談時期によっては価格が異なる場合がございますので、あらかじめご了承ください。
