GPUマシン自作

[自作日記14] SW編:Ubuntu のインストールUSBの作成

Qualiteg Boot Camp

2024年3月8日 — 3 min read

こんにちは！

今回からは、GPUマシンをAIマシンにすべく、ソフトウェア編の開始です！

目標は Ubuntu OS で GPU使用できる状態にし、最終的に LLMをつかった推論をできるところまでもっていきます。

1. Ubuntu のインストールUSBの作成

GPUマシンのメインOSは Ubuntu を導入したいため、これからUbuntuのインストールを行います。

Ubuntuのインストールにはいくつかの方法がありますが、事務用パソコンのWindowsを使用してUbuntuイメージが入ったUSBメモリを作成し、それをもって Ubuntu をまっさらなPCにインストールしていくアプローチをとろうと思います。

1.1 USBメモリ(32GB以下)の準備

まず、Ubuntuのイメージを焼くUSBメモリを準備します。

USBメモリは下に示す理由の為、 32GB 以下のものを準備しましょう。

USB メモリが 32GB を超えると、FAT32 フォーマットができなくなる
ブートにつかう USB メモリは FAT32 でフォーマットされている必要がある

USBメモリの容量が 32GB を超えると Windows では exFAT という扱いになってしまいますので、大きすぎるUSBメモリはNGなのです。

1.2 USBメモリへのイメージ書き込みソフトをダウンロードする

USB メモリへの Ubuntu イメージ(ISO形式)の書き込むために、以下の Unetbootin というソフトウェアをダウンロードします

https://unetbootin.github.io/

これで unetbootin-windows-702.exe というファイルがダウンロードフォルダに保存されました

1.3 Ubuntuのダウンロード

以下から Ubuntu をダウンロードします

https://ubuntu.com/#download

(または https://jp.ubuntu.com/download )

現在の最新のLTSバージョンは 22.04 LTS をダウンロードします。

これで、ubuntu-22.04.1-desktop-amd64.iso というファイルがダウンロードフォルダに保存された状態になります。

1.4 Ubuntuインストール用USBの作成

USB メモリをフォーマットする（必要なら）

USBメモリ(FAT32フォーマット済の32GB以下のもの)をセットアップサポート用Windows PC に刺す
- USBメモリとして認識しなかれば、PCいろいろなUSB端子に刺してみる
認識されたら、エクスプローラーをつかって USB メモリをフォーマットしておく。（クイックフォーマットでOK)

UNetbootin をつかって、Ubuntuイメージを USBメモリに書き込む

1.さきほどダウンロードした UNetbootin（unetbootin-windows-702.exe）を起動します

2.ディスクイメージにチェックをいれ、ISOを選択し、さきほどダウンロードしたUbuntuのイメージ　ubuntu-22.04.1-desktop-amd64.iso　を参照します

タイプは USBドライブ を選択し、さきほどフォーマットした USB メモリ　のドライブを選択して OK をクリックします

これで 10分程度で書き込みがおわります

Qualiteg 技術コンサルティング

自作の先に、研究・業務用のGPU環境を考えるなら。

GPUマシンを自分で組む知見は、そのまま研究・PoC・本番のインフラ選定に効きます。

私たちは自社で独自の GPU クラスターを構築・運用し、LLM プロダクトを開発しています。また研究用GPUワークステーションの調達から、インテル Core アーキテクチャ、インテル Xeon アーキテクチャなど、コンシューマーユースからプロユースまで幅広くご支援可能です。ワークステーションの調達・構築支援だけでなく、その先の学習環境の整備、最適な GPU 選定・推論最適化・分散構成まで、運用経験に基づいてアドバイスします。

LLMインフラ・基盤技術の支援を見る →

次回は、実際のUbuntuインストールに入っていきます！

navigation

モデルを「壊さずに」ドメインを広げる ― XLM-RoBERTa 継続学習の設計ノート

こんにちは、Qualiteg研究部です。今日は「すでに完成している強いモデルを、壊さずに広げる」という、地味だけど実務でとても大事なテーマを取り上げたいと思います。機械学習に取り組んでいると、「一度しっかり仕上げたモデルを、新しい用途やデータに合わせてもう少し広げたい」そんな場面はよく出てきます。今回ご紹介するNER（固有表現抽出）のシーンに限らず、いろいろなタスクで共通する悩みではないでしょうか。ところが、ここで素朴に追加学習をかけると、せっかくの強みがあっさり崩れてしまう。私たちは、PII（個人特定情報や要配慮情報）を検出・マスキングするエンジン(PII-FI)を構築する際、実際にそれを経験しました。 Precision（適合率）が 0.83 から 0.17 まで転げ落ちる、なんてことも本当に起きるんです。 PII検出では、ドメイン（分野）ごとに検出したいPII型の種類や求められる精度が異なる場合があります。そこで1つのエンジンといっても、対応ドメインを広げていくたびに（そのドメインに適応させるための）追加学習が求められることがあります。本稿は、そう

Claude Codeで出てくる「court」って何？ “XML露出” 現象とツール呼び出し未実行事故の対策

こんにちは！ Qualitegプロダクト開発部です。 Claude Code を使っていると、ツール呼び出しの XML（<invoke> や <parameter>）が画面にそのまま表示されたり、実際にはコマンドや PR 作成が実行されていないのに「完了しました」と報告されたりして、動作がおかしくなることがあります。そして、その呼び水となる文字列 court や course や count が出現します本稿では、この現象（本稿では「XML露出」と呼びます）を実ログから解説し、検知と対策をまとめました。 ● ● ● claude-code — bash➜ ~/qualiteg-project claude> プロジェクト配下のストレージ使用量を調査します。court<invoke name="Bash">

AIが攻撃と防御の両方を変える――セキュリティ市場2026と次の10年

ここ数年で、サイバーセキュリティをめぐる議論の前提は大きく変わりました。かつての中心は「いかに侵入を防ぐか」でしたが、いまは攻撃側も防御側も、ともにAIを使い始めています。攻撃が機械の速度で自動化・大規模化する一方、防御も人手だけでは追いつかない領域に入りつつあります。本記事では、公開されている市場データをもとに、AI時代のセキュリティ市場を「どこが伸び、どこが重なり、どこに注意すべきか」という観点から整理します。「AIとセキュリティ」には三つの市場がある最初に、用語を整理しておきます。「AIセキュリティ」とひとくくりにすると分かりにくいのですが、実際には少なくとも三つの異なるテーマが同時に進んでいます。この三つの違いは、「誰がAIを使うのか」と「何を守るのか」で考えると分かりやすくなります。第一は、防御側がAIを使う「AIで守る」領域です。攻撃者がAIを使っているかどうかにかかわらず、企業やセキュリティ事業者がAIを利用して、サイバー攻撃やインシデントを検知・分析・阻止します。大量のログやアラートの分析、脅威の優先順位付け、異常の検知、初動対応の支援などは、すでに

Claude Opus 4.8 完全ガイド — 公式ドキュメントから読み解くモデル仕様とClaude Code運用ポイント

こんにちは！ 2026年5月に、AnthropicからClaude Opus 4.8がリリースされました。そして、2026年6月には Fable5 /Mythos5がリリースされました。しかし都合により現在(2026/6/18)は利用できないため、実質 Claude Opus 4.8 が一般人がつかえるClaudeシリーズの最上位モデルということになります。そこで、今回は長く付き合うことになるかもしれない Opus 4.8 について徹底解説したいとおもいます。 Opus4.8は従来の4.7の延長線上にあるアップデートですが、「ベンチマークが少し上がった」では片付けられない変化を含んでいます。 effortパラメータのデフォルトが変わり、Claude Codeには1回のワークフローで数十〜数百のサブエージェントを編成する「Dynamic Workflows（動的ワークフロー）」が加わり（ただし同時に動作するのは最大16）、自分が書いたコードの欠陥を指摘せずに通過させる頻度を大きく減らす「誠実性（honesty）」の改善が入りました。つまり、4.7時代に組んだ運用や