PC提案事例

学習済みモデルを用いたAIシステムの構築を目的として、GPUを搭載したマシンの導入を検討している。
システムは24時間稼働が条件で、以下のスペックを想定している。

・CPU：Core i7 3.0GHz以上
・メモリ：16GB以上
・HDD：500GB以上で、可能ならRAID1 (ミラーリング)
・GPU：NVDIA製のGPUでGPUメモリは4GB以上

第12世代Core i7を搭載した構成を検討しました。

トラブル発生リスクを軽減するためのCPU選定

CPUはCore i7-12700 (2.10GHz 8コア + 1.60GHz 4コア)であり、ご希望のベースクロック(3.00GHz)を満たしていませんが、意図的な選択によるものです。
3.00GHzのクロックを満たすCPUにはCore i7-12700Kがありますが、この世代のモデル名末尾にKがつく製品は、クロック性能を高めた反動で消費電力が大きくなっています。それに伴って発熱も高まるため、24時間稼働の条件も含めて考えるとマシン内部の熱処理が問題になる可能性があります。
システムのAI処理そのものはGPUが行うものと推測しますが、CPU側で高負荷な処理を行わないのであれば、本構成のCore i7-12700を選択する方がトラブル発生のリスクを軽減できるかと思われます。
なお、Core i7-12700はTurboBoost機能に対応しており、TurboBoost作動時の最大クロックは3.00GHzを超える仕様です。

AIの推論処理に適したGPU

GPUのビデオメモリ 4GB以上を満たすことは容易ですが、4GBに近い容量でGPUを選択するとGPGPUでの利用には非力なエントリークラス製品となってしまいます。
そのため、用途を考慮してミドルクラス相当の性能を持ったA2000を選定しています。この製品は、AIの推論処理を行う限りでは一般的に利用できる性能です。

長時間の連続稼働に耐えうるパーツ選定

24時間稼働への対応につきましては、長時間の連続稼働に向けて耐久性の高いパーツを選定しています。
ストレージをHDDとする場合は機械的な故障リスクが高いため、SSDとしています。
筐体の冷却ファンも標準付属品から耐久性の高い製品へ換装します。

24時間稼働に際しての注意点は、動作環境の温度です。
弊社では室温25℃の環境で動作確認・負荷テストを実施しています。
およそこの温度あたりまでを安定動作の目安としていただければと存じます。それ以上の温度で運用した場合、直ちに不具合が発生するということはありませんが、30℃を超える温度課での常時稼働は故障リスクが高まりますのでご注意ください。

長く安全にお使いいただくための注意点

また、本事例の構成は冷却ファンを備えていますので、長期にわたって運用していると空間内の埃などを吸い込みます。これも直ちに問題が発生するということはありませんが、設備の休止日などには溜まった埃を除去するなどのメンテナンス作業を行うことで故障のリスクを軽減できます。
なお、設置環境の条件として、埃の溜まりにくい場所へ設置していただくようお願いいたします。

本構成は長期運用を想定した構成ではありますが、あくまで一般的なデスクトップマシン形態の製品です。
設置環境の性質上、粉塵の発生が避けられない場合には、専用筐体を採用した密閉型のマシンをご検討いただく選択もあるかと存じます。

検索キーワード
AIシステム用 24時間稼働マシン,学習済みAI,GPU搭載マシン,Core i7,長時間稼働,メモリ,ストレージ,SSD,GPUメモリ,冷却ファン, 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

画像系深層学習のトレーニング フェーズ (Deep Neural Networkがネットワークの重みやバイアスを自動調整するフェーズ) で用いるGPUマシンが欲しい。
予算300万円以下で、A5000を4枚搭載した構成を希望する。家庭用電源環境 (100V) で動作可能な静音性の高い構成を導入したい。
その他、2TB程度のストレージと、Ubuntu 18.x もしくは 20.x を条件としたい。

ご要望を踏まえて構成を検討しました。
NVIDIA RTX A5000の最大消費電力は、1台あたり230Wとハイエンド製品としては比較的低く抑えられているため、4台搭載しても家庭用電源で利用が可能です。本事例の構成も100V、1系統での給電を前提としています。

筐体も静音性を重視して選定していますが、拡張スロットを2つ占有するカードを4台搭載する都合上、8スロット分のスペースが必要です。一般的なミドルタワー筐体では、ATXフォームファクターの7スロット分しかスペースが確保されていないため、筐体は必然的にE-ATXなどに対応した大型の製品を選択することになります。

検索キーワード
深層学習,トレーニングフェーズ,GPUマシン,A5000,予算,家庭用電源,静音性,ストレージ,Ubuntu,拡張スロット, 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

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。

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。

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