AI（ディープラーニング）の勉強を始めて、最初の壁がGPU環境です。
AIの学習にはGPUが必須です。
これがないとAIの勉強、開発ができません。
本記事はこんな方におすすめです。
GoogleColaboratoryを使っているが、時間制限が煩わしい
いっそのこと、GPUパソコンを買おうか悩んでいる
この記事では、どのようなGPUパソコンを購入すれば良いか紹介します。
本記事の内容
- GPUパソコンを買った場合のメリットデメリット
- どれくらいのスペックが必要なのか
目次
ディープラーニング用 GPU パソコン 買った方が良い理由とスペック
GPUパソコンなんて買わなくてもいいよ！って思う方もいるでしょう。
Google Colaboratoryでは、無料ですぐ使える。
GCP、Azure、IBM Cloud、AWSなどのクラウドサービスも数分で使える。
政府もクラウドバイデフォルトと言っているじゃないか！
という声もありますが、私も実際に使ってみて、なお
GPU パソコンは手元にあった方が良いと感じています。
比較してみる
タイトルの通り、今回は15万くらいのGPU パソコンで比較していきます。
>> FRGAH470/WS36 i7-10700F/16GB/1TB NVMe SSD/RTX3070
比較は、以下の3つでそれぞれ特徴を紹介します。
| 項目 | Google Colaboratory | クラウドサービス | 15万のGPU パソコン |
|---|---|---|---|
| 環境構築 | ◎ 不要、ウェブに繋ぐだけ ライブラリのインストールが不要だが、常に最新で困る |
○ 専用のイメージが用意 ライブラリはインストール必要 |
△ Cuda、cudnn ライブラリのインストール必要 ＊１時間程度 |
| GPU性能 | ◎ Tesla K80等 高性能なGPU |
◎ GPUの種類や数が選べる |
○ 6万前後のGPU (RTX3070) |
| リモート | ◎ ウェブでどこでも接続可 |
◎ ウェブでどこでも接続可 |
◎ ウェブ環境ならどこでも接続可 ＊TeamViewerなど使えば良い |
| 費用 | ◎ 無料 Colab proは$9.99/月 |
× 数百円から/時間 すぐに数万が消えます |
△ 15万で数年使える |
| ファイル | × GDriveと連携可能だが アップロードが手間 最初の読込みがとにかく遅い 大量データに向かない |
△ アップロードが手間 HDD容量分は必ず費用発生 |
◎ 普通のパソコンと同じ |
| 制約 | × 90分、24時間ルール GPUが使えない場合がある |
○ 特にないが、従量課金が常に気になる |
◎ なし、場所取るくらい |
特に線引いたところが気になるところです。
インストールが手間と言われますが、GPU使うためには、3つほどインストールするだけですし、ライブラリはアプリによってそれぞれ入れるものが違うので、ライブラリのインストールも気になりません。
また、クラウドはどこでも使えるというメリットもありますが、TeamViewerとかを使えば、購入したパソコンでも簡単にリモートアクセスが可能です。
ですので、意外に購入した方が、AI開発ライフには快適に過ごせます。
GPU パソコンの仕様注意点
AI開発で使う場合、いくつか購入時の仕様で注意点があります。
CPUは特に気にする必要はなくて、メモリ、HDD、GPUのメモリを注意します。
GPUメーカーはNVIDIAから選んでください。
メモリ
大きなデータセットを完全に読み込んでから処理させると、その分メモリを消費します。
generatorなどコーディングで工夫をするか、メモリを増やしましょう。
あと付もできますし、購入時にそこまで気にする必要はありません。
転移学習を使って、既存のAIモデル使う際にはデータ量もそこまで多くないと思いますので、必要に応じて増やしていけば良いです。
HDD
HDDのデータ容量も大きなデータセットを扱う場合には必要になっていきます。
特に画像データを何万枚と用意しているとすぐに容量を使ってしまいます。
こちらも、外付けなどあとでどうとでもなるので、購入時は気にする必要がないでしょう。
GPUのメモリ
これが一番大切です。
RTX3070であれば、8GBとなっています。
この数値が4GBとか小さいとAIモデル自体が動かせません。
例えば、8GBだと以下の条件は動かすことができます。
動作例
- モデル：セマンティックセグメンテーション ResNet34ベースのUNet
- 画像サイズ：512×512 pix
- バッチサイズ：2
画像サイズは、大きくても512とかなので、8GBあれば大抵の既存のAIモデルは動かすことができます。
8GB以上を選ぶと良いでしょう。
もちろん、AIモデルを自分で色々構築して、大量のデータをガンガン学習させる人向けではないです。
GPUがそこまで高速でなくても良い理由
既存のAIモデルを使う場合は、たいてい、転移学習を使います。
メモ
転移学習は、別のデータで事前学習したモデルを使って学習します。少ないデータでも精度が出て、パラメータの固定もするので学習も早くなる特徴があります。
その場合、データセットはほどほどの量で精度が出るため、学習も早いです。
ですので、6万前後のGPUでも十分に、AI開発をエンジョイすることができます。
GPUパソコンでストレスのない、AI開発を楽しみましょう。
>> FRGAH470/WS36 i7-10700F/16GB/1TB NVMe SSD/RTX3070