事例No.PC-10551
参考価格:
12,248,500

メモリ2TB シミュレーション可視化マシン

用途:確率論に基づく数値シミュレーション

お客さまからのご相談内容

マテリアルズ・インフォマティクスの研究のため、不確実性に関する数値シミュレーションを行うためのマシンが欲しい。
異なる条件で大量のシミュレーションを実施する必要があるため、並列計算能力の高いマシンが理想。
また、大規模な解析結果を高速で可視化するために、高性能なGPUが必要。
希望するスペックは以下の通り。

・CPU:Xeon Platinum 8380 x2 
・メモリ:搭載可能な最大容量
・ストレージ:4TB SSDを搭載可能な数だけ
・ビデオカード:NVIDIA RTX Ada (2台以上)
・OS:Ubuntu 22.04
・予算:1200万~1500万円程度

テガラからのご提案

ご要望に合わせて構成を検討しました。
NVIDIA RTX A6000 Adaを2台搭載した構成です。
ストレージ条件である4TB SSDは、M.2スロット x2つとS-ATA x7つで合計9台を搭載しています。
※マザーボード上のS-ATAポートは全部で8ポートですが、残り1ポートは光学ドライブ用として使用しています。

電源ユニットは1600W対応品を採用していますが、100V環境で利用する場合は1300W程度までの出力となります。

主な仕様

CPU Xeon Platinum 8380 (2.30GHz 40コア) x2
メモリ 2TB REG ECC
ストレージ1 4TB SSD M.2
ストレージ2 4TB SSD M.2
ストレージ3 4TB SSD S-ATA x7
ビデオ NVIDIA RTX6000 Ada x2
ネットワーク on board (1000Base-T x2)
筐体+電源 タワー筐体 + 1600W
OS Ubuntu 20.04
事例追加日:2022/11/24
事例No.PC-10451
参考価格:
1,774,300

地理情報システムのためのSfM処理マシン

用途:3Dモデル処理ソフトウェア「Metashape」や「ContextCapture」の利用

お客さまからのご相談内容

地理情報システムのサービス提供のため、MetashapeContextCaptureなどのSfM処理ソフトを用いて、大量かつ高解像度の写真 (1億5000万画素程度) の処理を行いたい。そのためのワークステーションを提案して欲しい。
SfM処理の他には、高密度点群の3Dデータ編集や3Dモデリング、CAD処理なども行う予定がある。

希望するスペックは以下の通り。

・CPU:Xeon Goldクラス以上 コア数は未定
・メモリ:128GB ECC 以上
・OS用ストレージ:1TB SSD M.2以上にOSをインストール
・データ用ストレージ:データは外部NASに保存するので、容量は少なくて良い
・ビデオカード:未定
・予算:200万円程度

テガラからのご提案

ご連絡いただいた条件を元に、構成を検討しました。
CPU選定でのポイントは以下のとおりです。

■Point

・MetashapeやContextCaptureにおいて、CPUはある程度の並列数でスケールしなくなる。

・予定ソフトの利用を考えた場合、Xeon Goldのように「動作クロックは高くないがコア数が多いCPU」は、「コア数は少ないが1コアあたりのクロック数が高いCPU」よりも処理が遅くなると考えられる。

上記を踏まえつつ、本件では扱う画像データが大きいことから、「128GB以上のメモリの搭載+CPUスペック」のバランスを考慮して、Xeon WシリーズのCPUを用いた構成をご提案しました。

また、ご利用予定のソフトはどちらもある程度のGPU能力が必要となります。
当初はGeforce RTX3090を採用した構成のご案内を想定していましたが、使用するCADの要件を確認した上で、OpenGL対応のビデオカードに変更しています。

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。
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。

主な仕様

CPU Xeon W-2295 (3.00GHz 18コア)
メモリ 256GB
ストレージ1 1TB SSD M.2
ストレージ2 2TB HDD S-ATA
ビデオ NVIDIA RTX A6000
ネットワーク on board (10/100/1000Base-T x1 5G x1)
筐体+電源 ミドルタワー筐体 + 850W
OS Microsoft Windows 11 Pro 64bit

■FAQ

・Metashapeとは
Metahsapeは、写真 (静止画像) から高品質な3Dモデルを構築できるソフトウェア。
基本的な機能を搭載したStandard Editionと、より多くの機能を搭載するProfessional Editionが存在し、 Professional版では航空写真などから3次元GISコンテンツを作成することも可能。
Metashapeライセンスはユニポスにて取り扱っています。

参考:Metashape (Agisoft) ※弊社研究開発者向け海外製品調達・コンサルテーションサービス「ユニポス」のWEBサイトに飛びます

 

・ContextCaptureとは
ContextCaptureは建造物や人工物、自然の地形などを写真から自動的に3Dモデル化するソフトウェア。
平面部の不要な凹凸や辺の形状表現の精度の高さなど、建設分野での利用に定評がある。

参考:ContextCapture (Bently) ※外部サイトに飛びます

 

・OpenGLとは
OpenGLは、ハードウェアの持つ2D/3DCG関連の演算機能/描画機能を支援するためのライブラリ。
様々な描画デバイスに対応したグラフィック用APIのオープン標準規格。

検索キーワード
unmanned aerial vehicle,drone,Metashape,Agisoft,Fotogrametria,Photogrammetry,point cloud filter,forest monitoring,DSM generation,GIS,Mesh

事例追加日:2022/11/21
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
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。