読者です 読者をやめる 読者になる 読者になる

Deep Learning 向けの PC/GPU その1

AMDGPGPU に参戦したというニュースが流れてきました。

www.4gamer.net

内容を読むと、

Radeon Instinct 16/18 は 半精度浮動小数点数(FP16)に対応しているようです。まだ発表しただけですので、実際に手に入るのは先になるでしょうが、ディープラーニング競争がますます加速している感があります。

Mac は 基本 AMDGPU を使用しているようなので(すみませんよく知りません。)これまで GPGPU をするにはまずは Linux だったのかもしれませんが、Mac ユーザーもますます参戦というところでしょうか。よく分かりませんすみません。

 

少し前には、Google機械学習ライブラリ、TensorFlow が Windows に native 対応となりました。Windows 陣営(?)にも Deep Learning が普及していくところなのでしょうか。

tilfin.hatenablog.com

 

話は FP16 に戻りますが、Nvidia 陣営も、現行の Pascal アーキテクチャで FP16 を用いたディープラーニングに対応との話がありました。実際には、お値段百万円とかの TESLA p100 が FP16 に対応しているようですが、一般消費者(ゲーマー)向けの GeForce GTX 1000 系では対応していないようです。

studylog.hateblo.jp

 

さて、そうすると GPU をどうするか。

FP16 に対応しているなら、RAM 消費が半分、計算速度が 2倍(期待値)。

しかし対応していないなら、先代の Maxwell アーキテクチャGeForceでも良い気が。一方、現行モデルで性能向上と消費電力低減が進み、RAM の量も増えており、できれば 1000 系かなと思います。

 

PC は

 電源の強化された、ゲーミングデスクトップ

が良いのではと考えています。

GPU を 2枚刺しにする可能性があるので、できれば電源と冷却には余裕を持ちたいところです。

FP16 のような GPU の発展が予想されるので、GPU を買い換えられるデスクトップがベターでしょう。

 

GPU について、現行の GeForce GTX 1000 系は、1050, 1060, 1070, 1080, TITAN の 5機種があり、TITAN が最上位のようです。同一モデルでも複数社が販売、製造しており、RAM の量に違いがあるようで。

 

1070 と 1080 で RAM 8GB を積んでいるようです(それぞれ4.5万円、6.5万円~)。RAM がどの程度必要なのか分からないのですが、医用画像は無駄に(?)データが大きい。DICOM形式ですと、1回の検査で 1GB 超えることも稀ではありません。RAM 不足で走らないと困ります。余裕は持っておきたい。

Desktop PC では ノートPC と違い、 GPU 2枚刺しができます。GeForce GTX 1070/1080 では、2枚刺しで RAM 16GB まで増やせます。

 

16GB がどの程度のものなのか。計算に特化した GPU である、TESLA シリーズでも、RAM 16GB 以下のモデルがあります。前述の p100 では 16GB です。最大でも 24GB ですので、初心者は 16GB 見込んでおけば大丈夫だろうとの目論見です(24GBモデルは80万円~なり)。

 

GeForce GTX 1080 の上位機種である GeForce GTX TITAN は RAM 12GB を積んでいますが、1枚 15万円~です。おぉぉお高い…。

 

逆に下位機種の 1060 は RAM 6GB で 2.5万円~。2枚刺しで12GB 5万円。むしろ初心者はこっちという気もします。 

1050 は 4GB 1.5万円〜。

 

これらを買って、次期モデルまで待つという手もあります。AMDGPGPU に参戦してきますと、Nvidia もうかうかしていられないでしょう。GeForce GTX 1100(?)系が FP16 対応してくれたら間違いなく買いなのですが---。

今回検索した範囲では、次期モデルのニュースリリースなど見つけられませんでした。

 

将来的に  GPU の買い替えは仕方ないですが、高い商品なので出来れば避けたい訳で…