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。

お問い合わせ

事例No.PC-8278を見ての問い合わせ。
電磁場解析用のワークステーションの導入を検討している。電磁場解析ソフトであるAnsys Lumerical FDTDを主に使用予定で、Rsoft FullWave、 MATLABも使用の予定がある。
Ansys Lumerical FDTDは32コアのライセンスを使用予定で、Rsoft FullWAVEは使用上限が20コアのため、CPUのコア数は32コア程度を想定している。
また、現在使用しているマシンでは、Ansys Lumerical FDTDのGUI動作が非常に重いと感じている。

その他、Pytorchを用いたDeepLearningへの利用も検討しており、NVDIA Geforce RTX3090程度のGPUが搭載された構成を希望する。

想定している条件は以下の通り。

参考：PC-8278 電磁界解析用WS(メモリ1.5TB仕様)

お客様ご希望の条件に沿った構成をご提案しました。

最新の第4世代Xeon Scalableシリーズ Intel Xeon Gold 6426Y搭載の2CPU構成です。
合計32コアとなる構成はXeon W-3400シリーズの1ソケット構成でも実現可能です。しかし、ご利用予定の電磁場解析ではメモリの帯域幅も重要となるため、メモリバスの面で優位な2ソケット構成としています。

メモリは2TB搭載した場合、ご予算をオーバーしてしまいます。そのため、ご予算に収まる容量の1TBとしています。

ANSYSを利用する上でのGPU選定

ビデオカードは、Geforce RTX3090程度のGPUをご希望いただきましたが、Ansys社製品はGeForceシリーズをサポートしておりません。そのため、ワークステーション向けハイエンドビデオカードであるNVIDIA RTX A6000を選択しています。
NVIDIA RTX A6000はGeforce RTX3090と同型のチップ GA102を搭載したビデオカードで、ワークステーション向けビデオカードラインナップでのRTX3090にあたる製品です。また、10752基のCUDAコア、336基のTensorコア、48GBのGDDR6 VRAMを備えているため、DeepLearningへの活用も期待できます。

なお、この構成にはNVIDIA RTX A6000 x1枚を増設可能です。電源容量に関しても、GPU増設後を考慮して選択しています。

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。
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。

お問い合わせ

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。

お問い合わせ

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

ビッグデータ処理やMCMC処理、Pythonによる自然言語処理 (PyTorch) 、地理情報システムによるネットワーク分析などが可能なワークステーションを導入したい。
高精度なGPUに加えて、ビッグデータ処理にも対応できるCPUが必要だと考えている。
想定しているマシンの規模は以下の通り。

Xeon W-3400シリーズの24コアモデルを搭載した構成です。
NVIDIA RTX A6000を2台搭載し、NVLink Bridgeも含めています。

メモリは、初期の128GBから将来的に1TBへ拡張する想定ですが、128GB搭載時のメモリはすべて取り外す必要があります。そのため、初期出荷時点のメモリモジュール構成はメモリ拡張を考慮せず、すべてのメモリチャネルを使い切ることを優先しています。

ストレージは暫定的な容量としています。
ビッグデータ処理での利用において、マシン本体側に必要なストレージ容量の目安をご連絡いただければ、それに合わせて変更いたします。
また、ArcGISはキャッシュ領域にストレージを利用しますので、OSやソフトウェアがインストールされるSSDはより高速なNVMe対応製品としています。

設置場所がオフィス内であることに留意し、静音性の高い筐体を採用していますが、GPGPUでビデオカードをフル稼働させた場合には、ある程度の大きさの駆動音が発生いたします。さらなる冷却性・静音性を希望される場合、オプションで静音ラックのご用意もございますので、ご相談ください。

稼働音対策をご希望のお客様には、エスアイ社製の静音ラックと合わせたご提案を承っております。 静音性を重視したマシン導入をお考えの際には、気兼ねなくご相談ください。 エスアイ社製 静音ラックの特長 [1]ユーザーの環境とマシンに合わせた専用設計のラックを提供 [2]静音性と安全放熱を高い次元で両立 [3]音響の専門技術を軸としたメーカーなので、静音性の技術力が高い [4]マシン適合の技術サービスが付帯し、安全運用を約束

なお、本事例の構成は、金額にはとらわれず性能を優先した構成です。
メモリチャネル数が8と高性能ですので、コストダウンで最初に見直すポイントはCPUやメモリ周りになると考えられます。 ご予算に応じたプラン提案につきましても、お気軽にご相談ください。

お問い合わせ

事例No.PC-10880を見ての問い合わせ。
以下の条件でDeep Learningの実験用マシンを検討したいので、構成を提案して欲しい。

・CPU：Core i9
・メモリ：128GB
・ストレージ1：1TB SSD
・ストレージ2：2TB HDD
・GPU：RTX 4090 x2台
・OS：Ubuntu 20.04
・使用するソフトウェア：R、Rstudio、Python、BayoLinkS
・予算：100万円以内 難しい場合でも、どの程度の金額になるか知りたい
・その他：PyTorch 1.9 または2.0を使用

参考：PC-10880 Geforce RTX4090 x4枚搭載マシン

ご参照の事例をご予算に合わせてカスタムした構成です。

本事例の構成はPC-10880とは異なり、電源ユニット1台で動作しますが、100V給電ではフル稼働時に電源容量に余裕がなくなるため、200V給電での利用を推奨します。
また、RTX4090を2台搭載するためには、PCI-E x16スロットを2本用意する必要があります。CPUをCore i9とする場合、PCI-Eレーン数を必要分確保することが難しいため、対応可能なXeon仕様としています。

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。

お問い合わせ

検索キーワード
AIサービス用マシン,Deep Learning実験,Core i9,128GBメモリ,1TB SSD,2TB HDD,RTX 4090,Ubuntu 20.04,R、Rstudio、Python、BayoLinkS,PyTorch 1.9

機械学習 (ニューラルネットワーク) 用のPCが欲しい。
2枚のGPUを搭載して、それぞれを別々の学習で利用したい。具体的には、以下のスペックを考えている。

・CPU：IntelでもAMDでもどちらでもよい
・マザーボード：PCI-E 4.0 x16（PCI-E 5.0 x8）相当の転送速度でGPUを2枚挿せるもの
・メモリ：DDR4-3200かDDR5で、32GBか64GBのどちらかを検討している
・SSD：NVMeタイプ 500GB
・HDD：S-ATA 8TB
・電源：1600W
・GPU：NVIDIA Geforce RTX3090 x2枚
・OS：CentOS 7

第3世代Xeon Scalableを用いた1CPU仕様のマシンをご提案しました。
この構成を採用した主な理由は、PCI Express 4.0への対応です。2台のビデオカードはPCI-Express 4.0 x16の帯域幅で接続されます。

また、用途を考えるとメインメモリはビデオメモリの総容量以上を確保することが望ましいため、RTX3090のビデオメモリ24GB x2枚分の48GB以上である64GBとしています。
その他の構成も、可能な限りお客さまのご要望にあわせています。

お問い合わせ

検索キーワード
ニューラルネットワーク研究,機械学習,PyTorch,CUDA,GPU搭載PC,2枚のGPU,CPUスペック,PCI Express 4.0,メモリ容量,RTX3090, 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

大学での授業用で画像解析・機械学習を行うため専用のマシンを導入したい。
最大30名程度の学生が利用する想定で、各自のPCからアクセスし、科学演算や画像解析・機械学習の演習を行う。
OSはUbuntuで、Anaconda / SSH-Server/R / TensorFlow / Pytorch のインストールを希望する。
GPUの利用頻度は少ないので、スペックを妥協することはできる。
予算は400万円程度を考えている。

ご希望の条件に合わせて、たたき台の構成を検討しました。
GPUサーバー仕様ではご予算に収めることが難しいため、GPU x1枚・100V電源環境向けの構成としています。
ご予算との兼ね合いから、CPUは64コア (32コア x2基) とし、メモリは256GBです。30名で利用する場合、一人当たりCPU 2コア (4スレッド) /メモリ 8GB程度のリソース割り当てとなる計算です。

ソフトウェアはご指定のものをインストールするまでを作業範囲として想定しています。個別の設定が必要な場合は、別途ご相談とさせていただきます。

お問い合わせ

Anacondaを商業活動において利用する場合には有償ライセンスが必要となります。
これまで、大規模利用用の Enterprise のみの取り扱いでしたが、小規模利用のライセンスも取り扱い可能となりました。詳細は、下記をご確認ください。

■データサイエンスプラットフォーム「Anaconda」の小規模利用有償ライセンス

■Anaconda　科学技術計算向けのPython および Rのディストリビューション

検索キーワード
科学演算,画像解析,機械学習,Anaconda,Rプログラミング,TensorFlow,PyTorch,GPUサーバー,Ubuntu 20.04,ハイスペックPC, 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

深層学習用のGPUサーバーを検討したい。
GPUはNVIDIA A100 80GB x2台として、600万円程度の予算で提案して欲しい。
設置場所は200Vの電源環境に対応可能。

ご指定条件にてたたき台の構成を検討しました。
NVIDIA A100にはディスプレイ出力が搭載されていないため、画面出力用にエントリークラスのビデオカードを追加しています。追加ビデオカードではなくオンボードグラフィックでご利用いただくこともできますが、性能面では最低限の描画性能となります。

また、本構成はNVIDIA A100 x4台までの搭載に対応しています。ただし、CUDA利用時にメインメモリ容量がビデオメモリ容量を下回っていると、動作に問題が発生する場合がありますので、GPU増設の際にはメインメモリもあわせて増設することを推奨します。

なお、NVIDIA A100 x2台のままで利用する限りは100V給電で消費電力をカバーできますが、GPUを増設する場合には、200V環境でご利用ください。

お問い合わせ

検索キーワード
深層学習,GPUサーバー,NVIDIA A100,80GB GPU,予算600万円,200V電源,ビデオカード,メインメモリ増設,CUDA利用,オンボードグラフィック, 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