PC提案事例

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

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。

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

AI dynamics社のAI自動開発ツール「NeoPulse」を使って、医療データを用いたDeepLearningを実施したい。
予算50万円程度で、以下のスペック条件を満たす構成を希望。

・CPU：Core i9 12900以上
・メモリ：32GB
・ストレージ：2TB SSD M.2
・GPU：RTX3090

条件を満たす構成にてお見積もりをご用意しました。
ご希望のCore i9 12900自体は12世代CPUの中で最もコア数のあるタイプのため、これ以上のコア数をご希望の場合には、Xeon構成やAMD構成への変更が必要ですが、コストも大きく増加します。

なお、ご提案の構成ではGPUをRTX3090 1枚としており、GPUの追加には対応していません。
CPU側のPCI-Eレーン数が20レーンのため、2枚目のGPUを考慮した構成になっていないことが理由です。
複数のGPUを搭載したい場合には、構成の見直しが必要となりますのでご相談ください。

検索キーワード
AI自動開発,NeoPulse,医療データ,Deep Learning,Core i9 12900,32GBメモリ,2TB SSD M.2,RTX3090,12世代CPU,GPU追加, 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

照明設計解析用ソフト LightToolsとDeepLearningに共用できるマシンが欲しい。
一般的な情報として、LightToolsはCPUのスレッド数、DeepLearningはGPUの性能とマルチ化が計算速度に影響すると認識しているが、費用と計算速度のバランスをどう考えるのがいいか相談したい。

具体的なスペックの要望として、CPUはLightTools用に16～48スレッドを希望。GPUはDeepLearning用にRTX2080Ti以上で将来的に増設できる構成にしたい。
メモリは256GB程度で、ストレージは処理速度と容量を考慮しつつ、複数台搭載したい。

ご検討のたたき台として、条件を満たした構成でのお見積もりをご用意しました。

• CPUが16～64コア程度の場合

  想定コア数の範囲をカバーしつつ、かつ動作クロックも比較的高く、複数枚のGPUに対応できるAMD Threadripper Proを用いた構成で検討するのが良いかと存じます。
  本事例のCPUは中間の32コアですが、64コアモデルと16コアモデルへの変更が可能です。

• 2枚目のGPUの増設について

  後付けで2枚目のGPU増設を想定し、外排気かつDeepLearning用としてチップ性能が高いRTX3090としています。 注意点として、100Vの電源環境で利用する場合はGPUの増設可能枚数が＋1枚までの保証となります。 PCI-Eスロット自体は4GPUまで対応できる構成ですが、100V環境では電源が1300Wまでの出力に制限されるためです。 電源側は200V環境にも対応していますので、200Vの電源環境で利用した場合は合計3枚までのGPUに対応します。 4枚目の利用は消費電力の面で厳しいとお考えください。

• ストレージについて
  速度面を考慮したご提案として、高速なNVMeタイプのSSDを2本搭載し、10TBのHDDも1台搭載しています。RAIDをご希望の場合、ご要望の内容によっては他のスペック部分に影響する可能性がありますので、予めご承知おきください。

検索キーワード
照明設計解析,Deep Learning,LightTools,Neural Network Console v2.3,Visual Studio 2015,Visual C++,Matlab,CPUスレッド数,GPU性能,RTX2080Ti, 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

computer simulation，integrating sphere，LightTools，LightTools code，Light guide，Photon transmission efficiency，Visible Light Communication(VLC)，Signal-to-interference-noise ratio(SINR)，freeform optics，illumination design，light emitting diodes，light scattering，micro-optics，Monte Carlo methods，optical design techniques，optical elements，optical engineering computing，ray tracing