PC提案事例

DJI ZENMUSE P1で撮影した航空写真を、Metashape上で点群データ処理したい。
扱う写真の量は2,000～2,500枚程度を予定している。
また、測量CADシステム「TREND-ONE」や3D点群処理システム「TREND-POINT」も利用したい。
現在使用中のマシンスペックは以下の通り。

現在使用しているマシンよりもスペックが高い構成を、予算200万円以内で導入したい。

ご連絡いただいた条件に合わせて構成を検討しました。
お客様がお使いの構成を、最新世代にアップデートした内容でのご提案です。

CPUは第13世代Core i9、GPUはRTX4090への変更となり、現行マシンと比較して性能は全体的に向上しています。

ストレージは暫定的な容量としており、システム用の高速なM.2タイプのSSDとデータ用の4TB HDDという想定です。
メモリ容量は128GBが最大となるため、より多くのメモリをご希望の場合には別構成にてご提案いたします。

測量CADシステム「TREND-ONE」での利用については、メーカーWEBの動作環境情報では、Intel Coreシリーズ以外のCPUがサポートされておらず、ベース構成の変更によるスペックアップは難しいのが実情です。

参考：プログラム・動作環境 (福井コンピュータ株式会社) ※外部ページに飛びます

そのため、MetashapeとTREND-ONEを利用する条件の下では、ご予算200万円の範囲内でも本構成が実質的な最上限のスペックとなります。
ただし、周辺機器やストレージ構成の変更、2台のマシンを導入しての処理分散など、ご予算の範囲で考えられる施策はあるかと存じますので、お気軽にご相談ください。

BLASTによるDNA塩基配列の検索や、HMMERによるタンパク質のドメイン検索を行うためのマシンを導入したい。
教員と複数の学生が使用し、学内の有線LAN経由でマシンにアクセスする使い方を予定している。
BLASTでのクエリ配列は数百から数千程度で、データベース配列は10万程度を予定。
HMMERによるドメイン検索は、10万程度のクエリ配列を想定している。
マシン性能が十分であれば、植物のゲノムde novo解析も行いたい。 現時点で考えているマシンスペックは以下の通り。

ご要望に合わせて構成を検討しました。
データベースはHDD 8TBへの格納を想定していますが、サイズによってはストレージ容量が不足する場合があるため、容量面で問題ないことをお客様にご確認いただいています。

de novo解析の実行も可能な構成ですが、優先度の高い要件として考慮する場合には、仕様上の最大メモリ容量となる128GBを搭載するのが良いかと思われます。

また、ネットワークアクセスで利用し、研究室内で小規模な簡易サーバーとして利用するのみでしたら、本事例の構成でもコスト重視の選択として成立します。ただし、学部レベルの人数で利用する想定の場合は、明らかにスペックが不足します。
マシンの重要度や求める可用性などの条件によっては、より本格的なサーバー構成を検討いただく必要があるため、お客様にはご提案と合わせてお伝えしています。

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。

PC-8850Bの遺伝子発現解析用マシン (2022年9月版) を見ての問い合わせ。

ゲノムデータや統計解析を使用した計算を行うためのマシンが欲しい。
SNP (スニップ/一塩基多型) という遺伝子型の情報を使い、遺伝子的能力の推定を行う予定。
具体的には、1万x1万以上の行列を処理するため、大容量のメモリが必要。

現在使用中のマシンスペックは以下の通り。

使用しているプログラムはBLUPF90。
複数の計算を処理するにあたって、64GBメモリでは不足気味であることが分かっている。

その他、将来的にはPythonを用いた16S リボソームRNAのデータ解析や、畜産のビッグデータを使用した機械学習も予定している。

OSは使い慣れたWindowsを希望。ストレージ容量は4TB以上が必須。
PCに詳しくないので具体的な要望を出すことは難しいが、予算内でできる限り高スペックなマシンを提案して欲しい。

ご覧いただいた事例No.PC-8850Bをベースに、構成を変更してご提案しました。

CPUは、コア数とクロックのバランスのよいThreadripperPRO 5975WXを選定しました。
また、メモリは余裕をみて256GBとしています。現在お使いのマシンの4倍に相当する容量ですので、同じ処理を比較的余裕を持って実施できる想定です。

その他、将来的に機械学習の手法を取り入れる可能性があることを考慮し、機械学習で利用されることの多いハイエンドGPUを搭載しています。機械学習の実装にも種類がありますので、NVIDIA GPUに対応するGPGPUフレームワークやCUDA Toolkitを介したプログラムを利用しない、またはそれほど本格的に取り組む想定ではない場合には、必ずしもこのGPUである必要はありませんので、安価な製品に変更することで価格を抑えることができます。

なお、ご利用中のMac Proと比較するとパーツの世代差が大きいため、性能の向上を体感できる構成です。

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。
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。

検索キーワード
遺伝的能力推定,ゲノムデータ解析,SNP (スニップ/一塩基多型),メモリ容量,BLUPF90,16SリボソームRNA解析,機械学習,Windows OS,ストレージ容量,ThreadripperPRO

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。

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。

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。

メインメモリがGPUメモリ以上に必要なケースは少ない

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。

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。

GPUとCPUの使い分け

また、お客様からは以下のご質問をいただきました。

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。

検索キーワード
機械学習,地震動,マシン,大量のデータ学習,GPU,Geforce RTX4090,メモリ容量,Python,Sony Neural Network Console,インファレンス
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