PC提案事例

事例No.PC-11641B (AIモデル開発 入門向けマシン [WSL2仕様モデル]) を見ての問い合わせ。
参考にした事例で行われているセットアップを施してほしい。
Windows上でUbuntuを動作させ、そのUbuntu環境内でCUDA Toolkit 11.8、TensorFlow、PyTorch、Dockerが利用可能な状態になるようにしてほしい。

ご覧いただいた事例No.PC-11641Bのパーツ使用を基に、お客様のご要望に合わせたセットアップを施したマシンです。

本構成はIntel Core i7-14700とRTX 4090を搭載しており、大規模なディープラーニングやGPU計算を伴う解析にも対応可能です。

開発環境として、WSL2を有効化し、Windows上でUbuntu環境が利用できるようセットアップ済みです。
さらに、CUDA Toolkit、TensorFlow、PyTorch、DockerもUbuntu環境内にあらかじめインストールしているため、到着後すぐにAI開発やデータ解析を始められます。

なお、WSL2とDockerをお客様ご自身で導入する場合の手順については、こちらのガイドページで詳しく解説しています。

参考：
初心者でも簡単！ WindowsにUbuntuを導入する方法

研究内容や運用基盤に合わせた構成提案やセットアップにも対応しています。
掲載内容に含まれないご要望につきましても、どうぞ遠慮なくご相談ください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

MD計算のためのマシンを導入したいと考えている。
予算700万～800万円の範囲で構成を検討して欲しい。具体的には、以下のような構成をイメージしている。

GPU：可能であればA100、もしくはV100を複数
CPU：Xeon 2CPU構成
ストレージ：2TB SSD + 4TB HDD
メモリ：256GB

使用ソフトウェアは、Quantum Espresso、LAMMPS、Advane Nanolabo、NeuralMD、CUDA Toolkit、MATLABで、OSはAlmaLinux 9のプリインストールを希望する。利用予定のソフトウェアにおいて、GPUを複数枚構成にすることでメリットがあるのかを知りたい。

また、テグシスWEB内でクラスター化の提案事例を見たが、今回の用途では拡張性のあるマシンとクラスター構成のどちらが良いか教えて欲しい。

加えて、2CPU構成を初めて検討しているため、挙動に注意点などがあれば知りたい。

GPUについて

倍精度指定の場合はNVIDIA A800 40GBが現行品として適しています。ただし、NVIDIA A800 40GBには画面出力がないため、Matlabを使用する場合には、画面出力用としてT400のようなカードを追加することをお勧めします。

2CPU構成について

2CPU構成に関しては、OS上では合計コア数として認識されるため、特別な動作をするわけではありません。ただし、詳細に見ていくと、CPU間は高速なバスで接続されていますが、メモリとGPUが搭載されるPCI-EバスはそれぞれのCPUごとに接続されています。そのため、一方のCPUが管理しているメモリアドレスやGPUにアクセスする際にはCPU間の接続バス（UPI）を経由する必要があり、そこで若干の遅延が発生する可能性があります。

NanoLaboについて

NanoLabo自体はCPUコア数が多いほど処理能力が向上します。

複数GPUでのNeuralMDの計算は並列化効率が高いため、N枚のGPUを使用すれば計算速度はN倍になります。1枚のGPUで計算するよりも2枚で計算した方が2倍速いですが、ハードウェアの価格も2倍です。そのためGPUの枚数は、計算時間を重視するのか、価格を重視するのかといった利用目的と費用対効果に応じて決められます。また、複数GPU搭載時のNVLink BridgeやNVSwitchなどは不要です。

拡張性を持たせたマシンとクラスター構成のどちらが良いかについては、ソフトウェア的には、どちらの構成でも計算速度などの性能に影響はありません。冷却や騒音などのハードウェア的な観点からご選択ください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

WES (全エクソームシーケンス) やロングリードのシーケンス解析に加えて、DeepLearningでも使用可能なマシンの購入を検討している。

予算は150万円以内で、居室の電源は100V。オンプレミス環境で使用し、将来的にはビデオカードやメモリの増設を考えている。
CUDAToolkitのプリインストールが希望で、現地設置を含めた内容で提案して欲しい。

ご連絡いただいた用途に合わせてPC構成を検討しました。

ご使用目的とご予算に合わせた構成

GPUを用いた解析処理を想定して、性能とコストの両面でメリットのある「GeForce RTX4090 24GB」を採用しました。
CPUは、ご予算の範囲内で選択できる製品の中でも特にコア数が多い「Ryzen Threadripper 7960X 24コア」を選択しています。

将来的なスペック増強に対する注意点

100V電源環境では、消費電力の関係から2枚目のGPU (RTX4090) の搭載が難しいため、GPU増設を考慮しない構成にてご提案しています。
200V環境でのご利用や、別GPUの利用を想定される場合にはご相談ください。

メモリに関しては、4つ存在するメモリスロットを全て使用しており、空きスロットがございません。そのため，メモリ容量を増やす場合は初期搭載の32GBメモリモジュールを取り外し、より容量の大きいモジュールに交換する方法での対応を想定しています。

なお、本件では初期状態でのスペックや設置環境などの条件を優先したご案内としておりますが、拡張性を重視したご相談も承っています。

様々なサポートのご提案

「若手研究支援キャンペーン」の対象でしたので、キャンペーン特典としてあんしん+3年保証 (標準1年保証) を無料で付与した内容でご提案しました。
キャンペーン特典は、以下のA・Bいずれかをご選択いただけます。

また、お客様のご要望にあわせて、現地設置サポートを含めた内容でご提案しました。現地への搬入・設置のご要望は、是非お気軽にご相談ください。

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。
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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

GPU処理を行う演算ライブラリ「JAXopt」が高速で動作するマシンの導入を検討している。
その他にも、3DCGソフトウェアやAdobe製品を使用する予定もある。予算100万円以内で、これらの用途に適した構成を提案してほしい。

スペック選定に関しては、用途の性質を考えてGPUとメモリ容量を重視したい。
具体的には、GPUはVRAM容量20GB以上のNVIDIA製品を希望する。

現在使用しているWindows搭載マシンでは、Anaconda環境と組み合わせたうえでjaxlibをインストールし、JAXoptを動作させている。
もし可能であれば、JAXoptとCUDA Toolkitのインストールを行った状態で出荷して欲しい。

予算内でVRAM容量とメモリ容量を重視した構成

2024年4月の時点で最新の第14世代 Intel Coreシリーズのハイエンドモデル Intel Core i9-14900Kを搭載した構成です。
GPUは予算内で選択可能な製品の中で最もVRAM容量の多いNVIDIA Geforce RTX4090 24GBを選択しています。
また、メモリ容量に関しても、本構成のマザーボードの最大搭載可能容量である128GBを搭載しています。

24GBのVRAM容量と128GBのメモリ容量により、JAXoptのGPU処理時における高い処理速度が期待できます。

JAXopt・CUDA Toolkitの事前インストールも可能

JAXoptとCUDA Toolkitをプリインストールした状態での出荷も対応可能です。
WindowsにCUDA Toolkitをインストールする際、同時にMicrosoft Visual Studioをインストールすることが求められるため、無償での利用が可能なVisual Studio Communityをインストールする想定です。

また、すでにご利用のAnaconda仮想環境が存在しているとのことでしたので、jaxoptのインストールに関しては、仮想環境をエクスポートしたデータを弊社に送付していただき、それを新しいマシンにインポートして複製を行う方法をご提案しました。

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

機械学習用PCの購入を検討している。
機械学習用の環境を初めて導入するため、予算100万円で上記用途のスターター構成を提案してほしい。

具体的な用途としては、既存モデルの検証・転移学習やファインチューニングおよび、モデルの学習及び推定を予定している。
扱うデータ量は大きくならない見込み。

なお、現在VRAM容量が6GBのノートPCを使用しているが、頻繁にメモリリソースが不足して処理が停止してしまう。
そのため、VRAM容量を重視したいと考えている。

OSはUbuntu 22.04を希望。
また、マシンの冷却にあたって、オーバーヒートを防ぐために何らかの対策を行う必要があれば教えてほしい。

お客さまご希望の条件に沿った構成をご提案しました。
2023年12月時点で最新の第14世代Coreシリーズ搭載の構成です。

機械学習のためのGPU選択

機械学習でCUDAを利用することを想定し、GPUはハイエンドモデルのNVIDIA GeForce RTX4090を搭載しています。
NVIDIA Geforce RTX4090はGeForceシリーズの中では現在最上位のモデルで、単純な処理性能は現在販売されているビデオカードの中でも最高クラスです。ビデオメモリ容量は、ワークステーション・サーバー向けのハイエンドモデルと比較するとやや少ない24GBです。
大規模言語モデルのような巨大なモデルを扱う場合は不足感が出る可能性がありますが、ご相談内容のようにあまり大きくないモデルを扱う用途であれば、高い処理性能が期待できます。

また、ご予算の面でも、選択可能なGPUの中でGeforce RTX4090は最もスペックの高い製品です。

マシンの冷却について

本構成の冷却装置は、CPU・GPUともに空冷クーラーを採用しています。
CPUクーラーは大型ヒートシンクを備えたハイエンド製品を採用しているため、手動でのオーバークロックなどを行っていないデフォルト設定でのご利用においては、顕著な問題は起こりません。
また、弊社では製造時に12時間のフル稼働で動作テストを行い、動作中の温度の推移に問題がないことを確認して出荷します。

ご利用にあたり、特に注意が必要なのは設置場所の室温です。
弊社での動作チェック時は室温25℃を基準にしています。この室温を超えると直ちに問題が発生するわけではありませんが、30℃を超える環境で常用した場合、CPUやGPUの冷却が適切に行われないことによる問題の発生リスクが高まります。
その他、空気の流れが悪い場所や、周囲に熱を持ちやすいものがあるなど、マシンの排熱を妨げる環境で設置されている場合、筐体内の排気が滞ることによる問題の発生リスクがあります。
マシンの背面側には一定のスペースを作るなど、設置レイアウトに配慮していただけますと幸いです。

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

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。

・使用するソフトウェア：TensorFlow、Keras、Pytorch、CUDA
・OS：インストールなし (Ubuntu 22.04予定)

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。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

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