[自作日記6] メモリ選定

[自作日記6] メモリ選定

今回は、メモリや周辺パーツを選定しましょう。

メモリ選定にも落とし穴があり、Junさんは見事落とし穴にハマってしまいました。さっそくみていきましょう。


ふー。やっとCPUとマザーボードが買えました。
あと何を買えばいいんだっけ。ということで、もう一度、先輩の置手紙をみてみます

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!

①~③までは無事かえましたので、あとはメモリ、グラボ、SSD、電源、ケースを買わないといけません。まだまだ、買い物ありますね。

おなかもすいてきたので、CPUメモリだけ購入したら、昼食を食べに行くことにして、メモリが売っている階に移動しました。

すると、さっそくよさげなメモリを発見!

なになに、crucial DDR4 3200 2 x 32GB と書いてあります。これじゃん!値段は2万円くらい。置手紙に書いてあったとおりの仕様のメモリを発見できました

念のためもう一度確認します

④ CPUメモリは 64GB 以上。DDR4でもDDR5でもどちらでもOK

ここにはDDR4でもDDR5でもどちらでもOKと書いてあるし、64GBあるし。

早速、購入手続きを済ませ、お昼ご飯を食べに行こうと店をでようとしたその時・・・

「お客様! お客様! お待ちください!」

私「え?」

「お待ちください~!」

私「え?(もしかして会計通さないで来ちゃったのか?!😨)」

振り返ると、そこには、さっきマザーボードについて相談にのってくれた店員さんが息を切らしながら追いかけてきました。

私「あ、あの、何でしょうか・・・」

「お客様、さきほど、メモリ販売コーナーで DDR4 をご購入されませんでしたか?」

私「は、はぁ、買いました。」

そういって、私は袋の中から、さきほど買ったメモリを見せました

「そのメモリ、お客様のマザーボードに対応してません!」

私「えええ?」

「お客様がご購入されたマザーボードをもう一度確認させてください」

マザーボードの仕様を確認すると、「DDR5 6000MHz 」と書いてありました。

私「あ」

実は現在主流のメモリには DDR4 と DDR5 がありますが、両者は完全に別物でした。

私は、メモにはDDR4かDDR5を買えばいいと書いてあったのでどちらでもよいとおもい無意識にDDR4を買っていましたが、マザーボードごとに決まったものを買わないといけなかのでした。

メモリーはマザーボードが DDR5 対応なのかDDR4対応なのか確認すべし

でした。店員さんが気づいてくれなければ、あやうく、間違ったメモリを入手てしまうところでした。間違ってかったDDR4をDDR5に交換してもらい事なきを得ました。

バタバタして、おなかの減り具合もピークだったので、肉の万世本店に駆け込みました。

Credit: by chime CC-BY-2.0

いかがでしたでしょうか。

今回は、マザーボードには、対応したメモリがあるということが学びでしたね。

次回は、いよいよグラフィックボード(GPU)の選定です!お楽しみに!

コラム:マザーボードとメモリ互換性

少しだけメモリについて補足しておきましょう

今回なマザーボードの仕様書には「DDR5 6000MHz」と書いてありました。この場合、そのマザーボードはDDR5 6000MHzのメモリーをサポートしているということですが、それ以下の速度のDDR5メモリー、例えばDDR5 4800MHzを装着した場合はどうなるのでしょうか。

その場合も基本的には使用可能です。ただし、使用するメモリーの速度がマザーボードのサポートする速度より低い場合、システムはそのメモリーの速度に合わせて動作します。

逆に、DDR5 6000MHzよりも速いメモリーをを装着したらどうなるでしょうか。

そちらも、基本的に問題ありませんが、いくつかの点に注意する必要があります。メモリーがマザーボードでサポートされている最大速度よりも速い場合、メモリーはマザーボードの最大サポート速度まで自動的にダウンクロックされて動作します。つまり、例えばDDR5 6400MHzのメモリーを使っても、マザーボードが6000MHzまでしか対応していない場合は、6000MHzで動作することになります。

さらに高速なメモリーを利用するメリットは制限されるかもしれませんが、将来的にマザーボードをアップグレードする予定がある場合には、高速なメモリーを購入することで、新しいマザーボードでその速度をフルに活用できる可能性があります。

ただし、どちらの場合も、メモリーの互換性については、マザーボードの製品仕様書や公式サイトで確認するのが最も確実です。メモリーが正しく機能するかどうかは、マザーボードのチップセットやBIOSの設定にも依存するため、公式の情報を参照することがオススメです。


navigation

Read more

発話音声からリアルなリップシンクを生成する技術 第3回:wav2vec特徴量から口形パラメータへの学習

発話音声からリアルなリップシンクを生成する技術 第3回:wav2vec特徴量から口形パラメータへの学習

こんにちは! 前回までの記事では、 * wav2vecを用いた音声特徴量抽出の仕組み(第1回)と、 * リップシンク制作における累積ドリフトの補正技術(第2回) について解説してきました。今回はいよいよ、これらの技術を統合して実際に音声から口の動きを生成する核心部分に踏み込みます。 本記事で扱うのは、wav2vecが抽出した768次元の音響特徴量を、26個の口形制御パラメータの時系列データに変換する学習プロセスです。これは単なる次元削減ではありません。音の物理的特性を表す高次元ベクトルから、人間の口の動きという全く異なるモダリティへの変換なのです。この変換を実現するには、音韻と視覚的な口形の間にある複雑な対応関係を、ニューラルネットワークに学習させる必要があります。 特に重要なのは、この対応関係が静的ではなく動的であるという点です。同じ音素でも前後の文脈によって口の形が変わり、さらに音が聞こえる前から口が動き始めるという時間的なズレも存在します。これらの複雑な現象をどのようにモデル化し、学習させるのか。本記事では、LSTMとTransformerという2つの強力なアプロー

By Qualiteg 研究部
AI時代のデータ漏洩防止の要諦とテクノロジー:第1回 AI DLPとPROXY

AI時代のデータ漏洩防止の要諦とテクノロジー:第1回 AI DLPとPROXY

こんにちは!本日はAI時代のデータ漏洩防止について、とくにその通信技術面に焦点をあてつつ、AIセキュリティにどのように取り組んでいくべきか、解説いたします。 1. はじめに 生成AIの急速な普及により、企業のデータガバナンスは新たな局面を迎えています。ChatGPTやClaudeといった大規模言語モデル(LLM)は、業務効率を飛躍的に向上させる一方で、意図しない機密情報の漏洩という深刻なリスクをもたらしています。 従業員が何気なく入力した顧客情報や営業秘密が、AIサービスの学習データとして使用される可能性があることを、多くの組織はまだ十分に認識していません。従来のDLP(Data Loss Prevention)ソリューションは、メールやファイル転送を監視することには長けていましたが、リアルタイムで行われるWebベースのAIチャットやAIエージェントとの対話で発生しうる新しい脅威には対応できていないのが現状です。 本記事では、AI時代のデータ漏洩防止において中核となる技術、特にHTTPS通信のインターセプトとその限界について、技術的な観点から詳しく解説します。プロキシサーバー

By Qualiteg プロダクト開発部, Qualiteg コンサルティング
LLM推論基盤プロビジョニング講座 第5回 GPUノード構成から負荷試験までの実践プロセス

LLM推論基盤プロビジョニング講座 第5回 GPUノード構成から負荷試験までの実践プロセス

こんにちは!これまでのLLM推論基盤プロビジョニング講座では、推論速度の定義、リクエスト数見積もり、メモリ消費量計算、推論エンジン選定について詳しく解説してきました。 今回は、残りのステップである「GPUノード構成見積もり」「負荷試験」「トレードオフ検討」について一気に解説し、最後に実際のサーバー構成例をご紹介します。 STEP5:GPUノード構成見積もり GPUメモリから考える同時リクエスト処理能力 LLMサービスを構築する際、どのGPUを何台選ぶかは非常に重要な決断です。今回はLlama 8Bモデルを例に、GPUメモリ容量と同時リクエスト処理能力の関係を見ていきましょう。 GPUメモリの使われ方を理解する ここは復習となりますが、 LLM推論においてGPUメモリは主に2つの用途で消費されます 1. モデル重みデータ: LLMモデル自体を格納するためのメモリ 2. KVキャッシュ: ユーザーとの対話コンテキストを保持するための一時メモリ Llama 8Bを16ビット精度で実行する場合、モデル重みデータは約16GBのメモリを占めます。これは固定的なメモリ消

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2回:AIを使ったドリフト補正

発話音声からリアルなリップシンクを生成する技術 第2回:AIを使ったドリフト補正

こんにちは! 前回の記事では、当社のMotionVoxで使用している「リップシンク」技術について、wav2vecを用いた音声特徴量抽出の仕組みを解説しました。音声から正確な口の動きを予測するための基礎技術について理解いただけたかと思います。 今回は、その続編として、リップシンク制作における重要な技術的課題である「累積ドリフト」に焦点を当てます。wav2vecで高精度な音素認識ができても、実際の動画制作では複数の音声セグメントを時系列に配置する際、わずかなタイミング誤差が蓄積して最終的に大きなずれとなる現象が発生します。 本記事では、この累積ドリフトのメカニズムと、機械学習を活用した最新の補正技術について、実際の測定データを交えながら詳しく解説していきます。前回のwav2vecによる特徴抽出と今回のドリフト補正技術を組み合わせることで、MotionVoxがどのように高品質なリップシンクを実現しているのか、その全体像が見えてくるはずです。 累積ドリフトとは何か 基本概念 累積ドリフトとは、個々の音声セグメントが持つ微小なタイミング誤差が、時間の経過とともに蓄積していく現象で

By Qualiteg 研究部