事例No.PC-10291B
参考価格:
5,478,000

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

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:Windows10

PC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

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

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
お客様のご要望をうかがい、最適なPCの構成をご提案する
「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。