[自作日記4] いざ秋葉原! CPU選び

[自作日記4] いざ秋葉原! CPU選び

こんにちは、さっそく自作PCを作っていきましょう。

ここでは、Qualitegの若手社員 Jun さんにご登場いただき、GPUマシン自作体験記を赤裸々に語っていただくストーリーとして進めていきます!


Junです。ソフトウェアエンジニアです。

ある日、出社すると、席に1枚の封筒がおいてありました。

なんだこれ?

開いて見ると、中に便箋がはいっており、
今時手書きで、しかも太めのマッキーで、こんなことが書いてありました。

white printer paper on brown folder
Photo by Mediamodifier / Unsplash

Junさんへ、
Qualiteg へようこそ!

当社ではメンバーは必ず1台はGPUマシンを自作するのが掟(おきて)となっています。

そこの封筒に45万円ありますので、これをもって秋葉原に行ってパソコンのパーツを買ってきてください。
以下にヒントを書いておきますので、よろしくおねがいします。

① CPUは 12世代か13世代のどちらでもよい。

② GPU中心でつかうため、CPU側の能力は i5程度で問題ない。

③ マザーボードのチップセットは CPUが12世代ならZ690 か CPUが13世代ならZ790。ATX。

④ CPUメモリは 64GB 以上。DDR4でもDDR5でもどちらでもOK

⑤ グラボはコンシューマー向けでOKだけど、最上位モデルに近いもの。

⑥ SSD は 1T以上。

⑦ 電源は 800W 以上、 80Plus Titanium

⑧ ケースはグラボがちゃんと入ることを確認すること!

あとは、アキバに行けばなんとかなるとおもいます(^^♪


GPUマシン購入依頼の置手紙でした。

PCのパーツ選びも自作も久しぶりで、かつ、45万円ももっていくとなると、
正直不安でしたが、この置手紙をもって京浜東北線に乗り込みました。

 "JREast-Keihin-tohoku-line-JK27-Kanda-station-sign-20170824-182332.jpg from Wikimedia Commons by LERKCC-BY-SA 4.0


考えてみれば、オフィスは神田にあるので歩いてもアキバ行けるんですが、45万円を持ち歩く緊張感から、電車に飛び乗っていました。

そんなことを思っていたら、あっというまにアキバにつきました。

a city street filled with lots of tall buildings
Photo by Taewoo Kim / Unsplash

秋葉原はかつてはパソコン好きの聖地で今も非常に活気があって楽しいです。

ツクモさん、ドスパラさん、パソコン工房さん、自作PCの名だたる名店がそろっているのが秋葉原のすごいところです。そして、本当に店員さんが親切で知識も豊富です。自作PCを楽しむなら秋葉原一択だ!とみんなが言っている理由がわかります。

CPU を選ぶ

さて、さっそく、置手紙をみてCPUを購入することにしました。

① CPUは 12世代か13世代のどちらでもよい。

② GPU中心でつかうため、CPU側の能力は i5程度で問題ない。

自作系のお店に入ると、たいていレジの近くなど目立つ場所にPCパーツの価格一覧表が印刷してあります。

また、現在の売れ筋モデルなんかが書いてあり、情報収集や価格比較にもとっても便利。

そこで、12世代のCPUと13世代のCPUのモデル名と価格をしげしげと観察していると店員さんが話しかけてきてくれました。

「何かおさがしですか?」

私「は、はい、実はAI用のパソコンを作ろうとおもってまして、そのCPUをさがしています。12世代か13世代で・・・」

「それでしたらこのへんですかねぇ。」

教えてくれたのは 13世代の Core i5 でした。

私「はい、計算のほうはGPUにさせるので、CPUはふつうくらいでいいので、そうですね、i5くらいかな。でももっと安いやつありますか?」

「もう少し安いとなると i3 もあります。」

私「i5とi3てi3のほうが性能が低いんですよね。」

「性能が低いと言えば低いのですが、影響がでてくるのはコア数、スレッド数の違いですね。コア数やスレッド数を多く使うソフトウェアのご利用を予定しているようでしたら、i3よりもi5,i5よりもi7のほうが適しているといえます。」

性能が低いという、エンジニアにあるまじき表現をつかってしまい恥ずかしかったですが店員さんの指摘は適切でした。

GPUしか使わないし、コア数とかそんなにいらないから、13世代のCore i3 でいいかなと思ったとき、あることを思い出しました。

そういえば、いまLLM (広い意味でディープラーニング系といえる)以外にも Kaggle の分類系問題やってるんだった。

私は、 Kaggle の練習もやっており、そこで XGBoost など、ディープラーニングではなく、どちらかというと古典機械学習系のアルゴにも挑戦していることを思い出しました。

ディープラーニングの推論だけなら、たしかに CPUは Core i3 でもなんとか動かせるかもしれませんが、 XGBoost のように、CPUコア数が多いほうが有利なアルゴもあるので、俄然コア数が気になり始めました。

そこでその視点で再度価格表をみると、 13世代の Core i5-1360012世代の Core i7 12700 の価格がかなり近いではありませんか。

ぱっとみの性能も近い。 13世代の i5-13600 (14-コア、20スレッド)と 1つ前の、12世代の i7 12700 (12コア、20スレッド)

うーん、どうしよう。

10分(体感では60分)悩んで、結局この段階ではCPUを決められませんでした

でも、CPUはこの2つに絞り込みました

13世代 i5 13600
12世代 i7 12700

価格はどちらも5万円程度でした


いきなり、CPU選び足踏みしてしまったJunさん、無事、すべてのパーツをそろえられるのでしょうか。

次回は、マザーボードの選定とCPUの決定です!お楽しみに!


<前の記事   次の記事>

Read more

Model Context Protocol(MCP)入門:いよいよセマンティックWebの世界へ

Model Context Protocol(MCP)入門:いよいよセマンティックWebの世界へ

こんにちは! きょうは話題のMCPについて解説いたします! はじめに 「AIが便利なのはわかるけど、自分のデータにアクセスさせたり、他のアプリと連携させたりするのは難しそう...」 このような悩みを持っている方は多いのではないでしょうか。 実際、従来のAIには大きな壁がありました。トレーニングデータの範囲でしか回答できない、リアルタイム情報にアクセスできない、外部アプリケーションを操作できないなどの制約です。 トレーニングデータの外側にあるデータをうまく検索する技術としてLLM黎明期からRAGとよばれる技術が発展してきました。 データ検索だけではなく、あらゆる分野でAIが半ば自動で連携してくれる技術が登場しました。 それが「Model Context Protocol(MCP)」です。 本記事では、AIと外部ツールの連携を革新的に簡単にするMCPについて、基本から実用まで詳しく解説します。 MCPの本質:AIのための標準インターフェース MCPは、AIモデルと外部ツール・アプリケーションの間の通信を標準化するプロトコルです。これはインターネットの世界でいえば、

By Qualiteg プロダクト開発部
GPUサーバーの最適容量計算: キューイング理論と実践的モデル

GPUサーバーの最適容量計算: キューイング理論と実践的モデル

最大ユーザーサポート数計算ツール 同時に1件のみ処理できるGPU変換サーバーの最大ユーザーサポート数を計算します 処理時間 (t_p) 分/件 1件の変換処理にかかる時間 目標システム利用率 (ρ) 0 〜 1 安定稼働のための目標稼働率(推奨: 0.7〜0.8) ピーク係数 (P_c) 倍 最も混雑する時間帯の平均アクセス倍率 稼働時間 (H) 時間/日 システムが1日に稼働している総時間 アクセス確率 (P_a) 0 〜 1 1人のユーザーが1日にシステムを利用する確率 1ユーザーあたりの変換回数 (F) 回/日 利用する日の平均変換処理回数 計算過程を表示 計算結果 サポート可能な総ユーザー数: 人 計算式: N = (ρ × μ × H) ÷ (P_a

By Qualiteg プロダクト開発部
PyTorch 2.6 のセキュリティ: モデルチェックポイントロードの安全対策

PyTorch 2.6 のセキュリティ: モデルチェックポイントロードの安全対策

こんにちは! 今日は、魅力的なPyTorchチェックポイントが配られているからと言って無邪気に使っちゃうと、超ヤバイよ、というお話になります。 みなさまモデルチェックポイントをロードする際のセキュリティリスクについて考えたことはありますでしょうか。実はモデルの重みファイルだとばかり思っていたチェックポイントが、思わぬセキュリティホールになる可能性があります。 本記事では、PyTorchのtorch.load関数の安全性と、モデルチェックポイントを適切に扱うための実践的なガイドラインを紹介します。 モデルチェックポイントの隠れた危険性 PyTorchのtorch.load関数は非常に便利な一方で、セキュリティ上の重大なリスクを含んでいます。 その理由は、 * チェックポイント単なるパラメータだけではないよ! チェックポイントファイルには、モデルの重み(weights)だけでなく、クラスや関数など任意のPythonコードを含めることが可能です。 * 実行可能なコードが入ってるよ! これは、チェックポイントが単なる「データファイル」ではなく、Pytho

By Qualiteg プロダクト開発部
[AI新規事業創出]Qualitegオリジナル、アイデア評価、事業アイデア選定方法

[AI新規事業創出]Qualitegオリジナル、アイデア評価、事業アイデア選定方法

Qualiteg blogを訪問してくださった皆様、こんにちは。Micheleです。AIを活用した新規事業やマーケティングを手がけている私には、クライアントからよく寄せられる質問があります。AIを用いた事業展開を検討されている方々が共通して直面するであろう課題に対して、このブログを通じて私なりの解答をご提供したいと思います。 AIを活用した事業アイデア評価と選定方法 | Qualitegオリジナルアプローチ 新規事業の立ち上げは、アイデアの創出から始まりますが、その後の評価と選定プロセスこそが成功の鍵を握ります。Qualitegでは、AIを積極的に活用した独自の評価・選定メソッドを開発し、より客観的かつ多角的な視点でビジネスアイデアを検証しています。今回は、私たちの実践的なアプローチをご紹介します。 AIを活用したアイデア評価の基本フレームワーク 当社のアイデア評価プロセスは、以下の2段階で構成しております。 1. 多次元評価マトリックスによる定量分析 まず、出てきたアイデアについて、ChatGPTなどの大規模言語モデル(LLM)を活用し、以下の8つの評価軸でアイデア

By Join us, Michele on Qualiteg's adventure to innovation