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-10384
参考価格:
536,800

渦巻きポンプの流体解析用マシン

用途:熱流体解析システム「scFLOW」と非構造格子系汎用三次元熱流体解析システム「SCRYU/Tetra」の利用

お客さまからのご相談内容

渦巻きポンプの開発を行うために、水流解析専用のマシンを導入したい。
具体的な要望は以下の通り。

・契約中のscFLOWソルバーは並列数「4」で、プリとポストの並列数を足しても最大並列数は「6」
・ソルバー実行時にCPU温度が高くなりがちなので、発熱を抑えられるようにしたい
・ハードウェアの寿命に配慮し、ビデオカードとCPUの負荷を軽減したい
・CPUはクロック数の高いものを希望する
・メモリは64GBを希望する
・27インチディスプレイも含めて欲しい
・予算は50~60万円程度を想定

テガラからのご提案

ご予算に合わせて構成をご提案しました。
CPUの選定においては、以下の点に注意する必要があります。

■Point
・クロック数の高いCPUは発熱も大きくなる。

・「ソルバー実行時のCPU温度を抑えたい」と「CPUはクロック数の高いものを希望する」のご要望は相反する。

そのため、弊社からのご提案では、大型の水冷CPUクーラーを搭載することで冷却能力を高めています。
CPUについては、scFLOWの公式サイトを見る限り、16コアあたりまでは高効率で並列処理が行われていますので、ご予算内である程度コア数が多くクロック数も高い製品を選定しています。

参考:快適なシミュレーションを提供する究極のソルバー(HEXAGON) ※外部サイトに飛びます

ビデオカードは、現在お客様が利用している製品がQuadro FX1800ですので、GPUのランクだけで考えればA2000が代替品の候補になりますが、FX1800は何年も前の製品であることから、世代の違いによる性能差が大きいことを加味してNVIDIA T1000を選定しています。

また、お客様からは以下の質問を頂戴しました。

■Question

Intel製CPUに比べ、Ryzenは発熱が大きいと聞いたことがある。
発熱が大きいために水冷大型クーラーを搭載すると理解しているが、水冷なのでファンの回転音は気にならないレベルと考えて良いか。

高クロック仕様のCPUでは、Intel製品よりもAMD製品の方が発熱が少ないのが現状です。
また、本事例の構成は発熱の大きいオーバークロック仕様ではないため、ラジエーターに対して高速でFANを回転させる必要はありません。そのため、一般的なレベルのファン音での稼働を想定しています。
もっとも、ラジエーターでの排熱効率を向上させるためにFANの回転速度を上げればCPU側の温度を低く保つことができますので、FAN音と温度のバランスをどう設定するかがポイントになります。

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 AMD Ryzen7 7700X (4.50GHz 8コア)
メモリ 64GB
ストレージ1 2TB SSD S-ATA
ビデオ NVIDIA T1000
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 + 850W
OS Microsoft Windows 11 Pro 64bit
その他 CPU大型水冷ユニット
27型ワイド 液晶ディスプレイ

■FAQ

・scFLOWとは
scFLOWは最新鋭の技術を取り入れつつ実用的で質実剛健なツールを目指して開発された新世代のCFDソフトウェア。初心者でも複雑なモデル構築と高品質なメッシュ作成が可能なプリプロセッサーを備えている。

参考:scFLOW (HEXAGON) ※外部サイトに飛びます

 

・SCRYU/Tetraとは
SCRYU/Tetraは、非構造格子系汎用三次元熱流体解析システムの名称。表面形状を的確に捉えるためにハイブリッドメッシュを採用した汎用の熱流体シミュレーションソフトウェア。

参考:SCRYU/Tetra (HEXAGON) ※外部サイトに飛びます

 

・水冷CPUクーラーとは
CPUクーラーは、大きく分けて空冷と水冷の2種類がある。
■空冷クーラー:CPUの熱をアルミや銅製のヒートシンクに移し、FANの風を当てることで放熱する仕組み。
■水冷クーラー:CPUの熱をクーラント液に移し、ラジエーターとFANの風で放熱する仕組み。
水冷クーラーには「本格水冷」と「簡易水冷」の2種類があり、前者は構成部品を1つ1つ組み立てるタイプで、後者はポンプをヘッド部に内蔵しているものが多く、比較的小型で干渉しにくい。また、水冷クーラーは冷却効率が高く、CPU内部での取り付けもある程度の自由度がある一方で、クーラント液の液漏れ、目減りなどに対するメンテナンスが必要となる。

事例追加日:2022/11/21
事例No.PC-9963
参考価格:
614,900

建造物構造解析用マシン

用途:汎用線形&非線形構造解析システム「DIANA」及び有限要素解析向けプリプロセッサ/ポストプロセッサソフトウェア「Patran」の利用

お客さまからのご相談内容

建造物の耐震性などを検証するために、DIANAやPatranを用いた構造解析を行いたい。
解析時間よりも作業時間の効率化を重要視しており、要素数や接点数が多いモデルでも快適に動作するマシンを導入したい。
予算は60~70万円程度で、現状のマシンスペックは以下の通り。

・CPU:Xeon W-2265 3.50GHz 12コア
・メモリ:64GB
・ストレージ:1TB SSD M.2
・ビデオカード:NVIDIA RTX A2000
・OS:Windows 10

テガラからのご提案

DIANA FEA社公式サイトに掲載されたハードウェア要件を参考に、ご予算に合わせた構成を検討しました。
参考:CONSIDERATIONS FOR SYSTEMS RUNNING DIANA ※外部サイトに飛びます

公式サイトのハードウェア要件では、計算用ワークステーションの推奨構成としてXeon Wを搭載した構成が掲載されています。この推奨構成は、本件の予算範囲からも丁度よい構成です。弊社からのご提案では、メーカー推奨構成を踏まえつつ、お客様のご要望に合わせてスペックを調整しています。

■Point
「解析時間よりも作業時間の効率化を重要視しており、要素数や接点数が多いモデルでも快適に動作するマシンを導入したい」とのご要望を受け、GPUをA4000に変更。

・メーカーWEBにCPUは基本的にシングルコア性能を優先するべきという記述があるため、1コア当たりの処理能力が高い製品を選定。

・推奨CPUのXeon Wは第11世代Coreシリーズと同じアーキテクチャーであるため、GPUの搭載コストと1コアあたりの処理能力を考慮して、第12世代Core i9を選択。

なお、DIANAはGPGPUに非対応ですのでビデオカードは描画用途のみに利用されます。

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 Core i9-12900KF (3.20GHz 8コア + 2.40GHz 8コア)
メモリ 128GB
ストレージ 1TB SSD M.2
ビデオ RTX A4000
ネットワーク on board (2.5GBase-T x1)
筐体+電源 ミドルタワー筐体 + 850W
OS Microsoft Windows 11 Pro 64bit

■FAQ

・DIANAとは
DIANAはDIANA FEA社の提供する有限要素法による汎用の構造解析システム。ダムや堤防、トンネルの設計や、地下構造物、歴史的建造物、大型鉄筋コンクリート構造物などの分析で利用されています。

参考:DIANA FEA ※外部サイトに飛びます

 

・Patranとは
MSC Software社の提供する有限要素法解析 (FEA) 向けのプリプロセッサ/ポストプロセッサ ソフトウェア。
MSC Nastran、Marc、LS-DYNA、ANSYS、Pam-Crashなど多くのソルバーに対応しています。

参考:Patran (MSC Software/Hexagon) ※外部サイトに飛びます

 

・シングルコア性能とは
従来のCPUに搭載されたコアは1つのみで、クロック数を向上させることによって計算量を増やすことがCPU性能の向上を意味していました。
しかし、その方法では発熱・消費電力が増えて安定動作の面で問題があることから、近年ではクロック数ではなくコア数を増やすことによる高性能化が一般化しており、今日のCPUはそのほとんどがマルチコア化しています。
本事例における「シングルコア性能を優先」を言い換えると、複数のコアによる並列計算能力ではなく、CPU内のコア1つあたりのクロック数が高いものを優先、と考えることができます。
なお、前述のCONSIDERATIONS FOR SYSTEMS RUNNING DIANAには以下の記述があり、解析の大部分が並列ではなく順次実行されるため、シングルコアの性能が求められることがわかります。

Adding additional cores helps to reduce the analysis time but since a substantial part of the analysis is executed sequentially instead of parallel the primary focus for improving performance should be to improve the single core performance of the system.

検索キーワード
macromodel,reinforced concrete frame,Retrofitting of RC buildings,RC Infill Walls,Dowels,有限要素解析,Soil-steel,Seismic analysis,Underground structure,Vertical Ground Motion,Near-field effects,Seismic Vulnerability Assessment,Historical Masonry Building,Damage Assessment,Fragility curves
マクロモデル,鉄筋コンクリートフレーム,RC造建物の改修,RC造壁,ダボ,有限要素解析,地盤-鋼,耐震解析,地下構造物,鉛直地動,近接場効果,地震脆弱性評価,歴史的組積造建物,被害評価,脆弱性曲線

事例追加日:2022/11/16
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。