[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!


navigation

Read more

PyTorchの重いCUDA処理を非同期化したらメモリリークした話と、その解決策

PyTorchの重いCUDA処理を非同期化したらメモリリークした話と、その解決策

こんにちは!Qualitegプロダクト開発部です! 今回は同期メソッドを非同期メソッド(async)化しただけなのに、思わぬメモリリーク※に見舞われたお話です。 深層学習モデルを使った動画処理システムを開発していた時のことです。 「処理の進捗をリアルタイムでWebSocketで通知したい」という要件があり、「単にasync/awaitを使えばいいだけでしょ?」と軽く考えていたら、思わぬ落とし穴にはまりました。 プロ仕様のGPUを使っていたにも関わらず、メモリ不足でクラッシュしてしまいました。 この記事では、その原因と解決策、そして学んだ教訓を詳しく共有したいと思います。同じような問題に直面している方の参考になれば幸いです。 ※ 厳密には「メモリリーク」ではなく「メモリの解放遅延」ですが、 実用上の影響は同じなので、この記事では便宜上「メモリリーク」と表現します。 背景:なぜ進捗通知は非同期である必要があるのか モダンなWebアプリケーションの要求 最近のWebアプリケーション開発では、ユーザー体験を向上させるため、長時間かかる処理の進捗をリアルタイムで表示することが

By Qualiteg プロダクト開発部
ゼロトラスト時代のLLMセキュリティ完全ガイド:ガーディアンエージェントへの進化を見据えて

ゼロトラスト時代のLLMセキュリティ完全ガイド:ガーディアンエージェントへの進化を見据えて

こんにちは! 今日はセキュリティの新たな考え方「ゼロトラスト」とLLMを中心としたAIセキュリティについて解説いたします! はじめに 3つのパラダイムシフトが同時に起きている いま、企業のIT環境では3つの大きな変革が起ころうとしています。 1つ目は「境界防御からゼロトラストへ」というセキュリティモデルの転換。 2つ目は「LLMの爆発的普及」による新たなリスクの出現。 そして3つ目は「AIエージェント時代の到来」とそれに伴う「ガーディアンエージェント」という新概念の登場です。 これらは別々の出来事のように見えて、実は密接に関連しています。本記事では、この3つの変革がどのように結びつき、企業がどのような対策を取るべきかを解説いたします 目次 1. はじめに:3つのパラダイムシフトが同時に起きている 2. 第1の変革:ゼロトラストという新しいセキュリティ思想 3. 第2の変革:LLM時代の到来とその影響 4. 第3の変革:AIエージェントとガーディアンエージェント 5. 3つの変革を統合する:実践的なアプローチ 6. 実装のベストプラクティス 7. 日本

By Qualiteg コンサルティング
発話音声からリアルなリップシンクを生成する技術 第4回:LSTMの学習と限界、そしてTransformerへ

発話音声からリアルなリップシンクを生成する技術 第4回:LSTMの学習と限界、そしてTransformerへ

1. 位置損失 (L_position) - 口の形の正確さ 時間 口の開き 正解 予測 L_position = Σᵢ wᵢ × ||y_pred - y_true||² 各時点での予測値と正解値の差を計算。重要なパラメータ(顎の開き、口の開き)には大きな重みを付けます。 jaw_open: ×2.0 mouth_open: ×2.0 その他: ×1.0 2. 速度損失 (L_velocity) - 動きの速さ 時間 速度 t→t+1 v = y[t] -

By Qualiteg 研究部, Qualiteg コンサルティング
大企業のAIセキュリティを支える基盤技術 - 今こそ理解するActive Directory 第1回 基本概念の理解

大企業のAIセキュリティを支える基盤技術 - 今こそ理解するActive Directory 第1回 基本概念の理解

こんにちは! 今回から数回にわたり Active Directory について解説してまいります。 Active Directory(AD:アクティブディレクトリー)は、Microsoft が開発したディレクトリサービスであり、今日の大企業における IT インフラストラクチャーにおいて、もはやデファクトスタンダードと言っても過言ではない存在となっており、組織内のユーザー、コンピューター、その他のリソースを一元的に管理するための基盤として広く採用されています。 AIセキュリティの現実:単独では機能しない ChatGPTやClaudeなどの生成AIが企業に急速に普及する中、「AIセキュリティ」という言葉が注目を集めています。情報漏洩の防止、不適切な利用の検知、コンプライアンスの確保など、企業が取り組むべき課題は山積みです。 しかし、ここで注意しなければいけない事実があります。それは、 AIセキュリティソリューションは、それ単体では企業環境で限定的な効果しか期待できない ということです。 企業が直面する本質的な課題 AIセキュリティツールを導入する際、企業のIT部門

By Qualiteg コンサルティング