Topics
    製品情報
    Menu

    GPUアクセラレーター製品

    AI/DLとGPU

    AI/Deep learning向けにGPUを搭載した、ワークステーション・サーバーを導入されるユーザー様へ幾つかのポイントをご紹介します。

    ・Deep learningでは膨大な計算処理を必要とされますが、重要なのがGPUメモリの容量です。
    GPUはもともと高画質の動画の画像処理を行うためのハードウエアで、並列計算に特化しており、高画質のゲームを楽しむ方向けのハードウェアでした。その高画質動画を適切に処理するためのアーキテクチャは、現在、膨大な研鑽処理に対して応用され、Deep learning向けには、大容量のGPUが搭載されているマシンが最適です。GPUのメモリ容量が大きいと、計算処理速度がより加速します。

    ・GPUの性能もまた、Deep learningを行う上で重要なポイント。GPUの性能にはメモリの容量以外に、「コア数」、「クロック」、「メモリクロック」、「バンド幅」などが影響。GPUで計算処理をする際、その計算速度が決まってくるためです。どの部分が影響するかは、ディープラーニングの「ニューラルネットワークの構造」により異なります。

    ・大規模なニューラルネットワークを用いたDeep learningを行うためには、GPUを複数枚使用する方法もあります。したがって、Deep learning向けマシンを導入検討する際には、GPUの枚数変更をどうするかポイントの一つです。Deep learningにおいて、より多くの計算処理量が要求される大規模なニューラルネットワークを構築する際には、GPUにもより大きい容量と高い性能が求められます。但し、GPUのコストが高く、簡単に大容量で高性能なGPUをすぐには導入できないとすると、その解決策はこのGPUの数を増やす方法があります。実際に、1枚のGPUではメモリ容量の不足により実行できなかったニューラルネットワークモデルが、複数のGPUを使うことで実行可能であるということが検証されています。

    ・ストレージの性能を比較するものとしてSSDとHDDの2種類があります。SSDはマシンの立ち上がり速度、データの読み出し速度が早くなる点で有利ですが、Deep learningに関して、HDDでもほぼ同等に行うことができます。また、コストを考えるとSSDと比較するとHDDのほうが低コストであるという点もHDDを選ぶ大きなメリットの一つです。
    よってストレージは、ディープラーニングのみに特化したマシンには、より大容量のHHDを搭載します。尚、HDD1台でデータ操作を行うと読み込みと書き込みのI/Oがランダムとなってしまい、処理速度が落ちる場合もあるため、HDDは複数台搭載するケースもあります。

    ・CPUの性能はどの程度、Deep learning時の計算処理速度に影響するのかここまで、Deep learningを行う際には、計算処理能力の高さからGPUが重要であることを紹介しました。結論としては、CPUのみで「学習を行う場合」、「データの前処理を行う必要がある場合」には、CPUの性能が計算処理速度に影響。そのため、CPUもより高スペックなものを選択いただくことで、より早いDeep learningを行うことが可能ですが、Deep learningにおける計算処理のほとんどはGPUで行うため、CPUよりもGPUの性能を優先して高める事でパフォーマンスが向上します

     GPUアクセラレーター製品を導入運用するなら弊社へご相談下さい

    弊社は、ソフトウェア環境の構築、OSインストール、コンパイルなどご利用環境のセットアップも行い、ネットワーク設定、現地設置作業など、きめ細かに対応します。高速なネットワーク、大容量ストレージなどについても同時にご提案可能です、ご利用状況に合わせた、保守・サポート、AI/ディープラーニング向けGPUアクセラレーター搭載ワークステーション、サーバー価格等、ビジュアルテクノロジーへご相談下さい。