[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

AIエージェント時代の新たな番人「ガーディアンエージェント」とは?

AIエージェント時代の新たな番人「ガーディアンエージェント」とは?

こんにちは!今日は先日ガートナーが発表したガーディアンエージェントについて解説します ガートナーの公式定義 ハイプカーブで有名なガートナーは2025年6月に、ガーディアンエージェントに関する見解を発表しました。ガーディアン・エージェントとは、AIとの安全で信頼できるやりとりを支援するために設計されたAIベースのテクノロジです。 ざっくりいうと、 「AIエージェントが来るよ」と予言したガートナー社は、次は、「ガーディアンエージェントが来るよ」と予言しました。なぜガーディアンエージェントが来るのでしょうか?本稿では、そのあたりを考察していきたいと思います。 なぜ今、AIの「監視役」が必要なのか 2025年、私たちは本格的なAIエージェント時代の入り口に立っています。AIが単なるツールから、自律的に判断し行動する「エージェント」へと進化する中で、新たな課題が浮上しています。 従来のAIとエージェント型AIの違い さて、ガーディアンエージェントが必要になる理由として、生成AI(以後AIと呼びます)の急速な進化があげられます。従来のAIとエージェント型AIの違いを思い出

By 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4回 推論エンジンの選定

LLM推論基盤プロビジョニング講座 第4回 推論エンジンの選定

こんにちは!前回までの講座では、LLMサービス構築に必要なリクエスト数の見積もりや、使用モデルの推論時消費メモリ計算について詳しく解説してきました。今回は7ステッププロセスの4番目、「推論エンジンの選定」について詳しく掘り下げていきます。 推論エンジンとは何か 推論エンジンとは、GPU上でLLMモデルの推論計算(テキスト生成)を効率的に行うために設計された専用のソフトウェアプログラムです。一般的なディープラーニングフレームワーク(PyTorch、TensorFlowなど)でも推論は可能ですが、実運用環境では専用の推論エンジンを使用することで、大幅なパフォーマンス向上とリソース効率化が期待できます。 推論エンジンは単なる実行環境ではなく、様々な最適化技術を実装しています。特定のモデルアーキテクチャに特化した最適化機能を実装したものや、推論速度の高速化に特化したもの、前回解説したKVキャッシュのメモリ効率化機能を備えたものなど、それぞれ特徴が異なります。そのため、自社で採用したLLMモデルや運用環境、要件に合致した推論エンジンを選定することが重要です。 推論エンジン選定のアプロ

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1回:音素とwav2vec

発話音声からリアルなリップシンクを生成する技術 第1回:音素とwav2vec

こんにちは! 今日は当社のMotionVox でも実際に使っている「リップシンク」技術について総合的に解説してみたいとおもいます。 音声に合わせて自然な口の動きを生成するリップシンク技術は、AIアバターや3Dアニメーション制作においても重要な技術です。 本記事では、最新のディープラーニング技術を活用したリップシンク学習の基礎から実装まで、技術的な観点から詳しく解説します。 1. リップシンク学習の基礎概念 1.1 問題設定 リップシンク学習とは、音声データから対応する口の動きを予測する回帰問題ととらえることができます f: 音声特徴量(t) → 口の動きパラメータ(t) この問題のコアは 音韻(音の特徴)と視素(視覚的な口の形)の対応関係を学習する ことにあります。 1.2 音韻-視素マッピングの複雑性 ただし! 人間の発話における音と口の形の関係は、単純な1対1マッピングではないんです。 同じ音でも文脈で変化 「あ」の発音でも: - 「か」の後の「あ」→ 口がやや狭めから開く - 「ん」の後の「あ」→ 口が閉じた状態から大きく開く 調音結合

By Qualiteg 研究部, 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3回 使用モデルの推論時消費メモリ見積もり

LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

こんにちは!前回はLLMサービスへのリクエスト数見積もりについて解説しました。今回は7ステッププロセスの3番目、「使用モデルの推論時消費メモリ見積もり」について詳しく掘り下げていきます。 GPUメモリがリクエスト処理能力を決定する LLMサービス構築において、GPUが同時に処理できるリクエスト数はGPUメモリの消費量によって制約されます。 つまり、利用可能なGPUメモリがどれだけあるかによって、同時に何件のリクエストを処理できるかがほぼ決まります。 では、その具体例として、Llama3 8B(80億パラメータ)モデルをNVIDIA RTX A5000(24GB)にロードするケースを考えてみましょう。 このGPUには24GBのGPUメモリがありますが、すべてをリクエスト処理に使えるわけではありません。最初にモデル自体が一定量のメモリを消費し、残りの領域で実際のリクエスト処理を行います。 GPUメモリ消費の二大要素 GPUの消費メモリ量は主に以下の2つの要素によって決まります 1. モデルのフットプリント LLMをGPUに読み込んだときに最初に消費されるメモリ

By Qualiteg コンサルティング