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2

パソコン選び/GPU選び

このところずっと、

ディープラーニング向けパソコンはどうしたら良いんかいな」

と悩んでいます。

 

Nvidia GTX GeForce 1050~1070 搭載の PC, 

 

が良いんでは、とのことに落ち着きました。

 

 

ディープラーニングではGPUを使ったほうが良い」

という事実があります。

 

そして、医用画像解析ということであれば、メモリーが大量に必要になるでしょう。

大量にメモリーを積んだ、GPU を使いたい。

 

ところで、こんな記事を見つけました。

devblogs.nvidia.com

 

news.mynavi.jp

 

ディープラーニング向けの GPU というと、Nvidia の CUDA というソフトを使う訳ですけど。

(多分)最新版のCUDA 8 において、ユニファイドメモリが導入されたと。

 

ユニファイドメモリ、初めて聞きますが、

 

ディープラーニングの時に、計算に必要なデータを、事前に GPU に読み込んでおかなくても良い。必要になった時、その都度 GPU のメモリーに格納する」

 

もののようですね。

 

これまでは、ディープラーニングに用いるデータは事前に、GPU のメモリに格納しておく必要があった。したがって、医用画像解析では大量のメモリーが欲しかった。

 

ところが「ユニファイドメモリ」では、それが不要(らしい)と。

 

で、これが使えるのが「Pascalアーキテクチャを採用したGPU

ざっくりいうと、

 

GeForce 1000系

 

です。

 

1000系といっても 1050 から 1080 まである。

大体ハイエンド(この場合1080,RAM 8GB、6万円〜)はコスパが悪いんで削除。 

 

やっぱり GPU 上のメモリ量は ある程度必要(かも)と考えると、

 

1060 (RAM 6GB、2万円〜) か 1070 (8GB、4万円〜) が良さそうです。

 

で、1000系、すなわち Pascal アーキテクチャでは、メモリー利用や学習をより効率的に行える「FP16」と言うものが使えるとか、使えないとかなのですが。

 

FP16 については、GeForce の性能は制限されているようです。

FP16 Throughput on GP104: Good for Compatibility (and Not Much Else) - The NVIDIA GeForce GTX 1080 & GTX 1070 Founders Editions Review: Kicking Off the FinFET Generation

 

記事を見ると、

 

TITAN X や TESLA プロセッサーであれば、FP16 は高機能だが、GeForce 1000系では、FP16 の計算能力は(わざわざ)低く、制限されているようです。

コレが将来、Volta で解禁されるのか? それとも TITAN シリーズじゃないとフルパワーは出ないのか?

 

正直、やったことないんでわかんないんですけどね!

 

さて、

GeForce 1000系では、前のモデルに比べて、RAM が大きく増えています。画像を扱うなら、これを使いたい。「ユニファイドメモリ」があれば、メモリ量にそこまでこだわる必要はないのかもしれませんが、挙動が分からないので、念のため。

また、当初はあくまで「やってみる」だけですから、FP16 の速度が制限されてても仕方ありません。おそらく FP32 と FP16 とでコードの書き方が異なっているのでしょうから、将来買い替えた際にちゃんとコードを書けるよう、練習できるだけでもありがたい。

 

本命は TESLA や TITAN, そして 2018 年にでるとされる、Volta アーキテクチャGPU なのですが、これらは自腹では買えないので。なんとか業績出して、研究費取ったる!!

それまで経験を積むのには、GTX GeForce 1000 系で決まり! と自分を説得して、パソコン探しのネットサーフィンをなるべくやめようと思います!