ディープラーニング・機械学習に必要なPCスペックとおすすめBTOパソコンを解説！

と分からない部分が多いと思います。

そこで、実際に過去にAI学習向けに、自作PCを組んだ経験を元に解説していきます。

勉強用、検証用とかであれば、10～15万円程度のミドルレンジのパソコンでも十分動くので、特別超ハイスペックなPCが必要と言うわけでは無いので、安心してください。

セール中	モデル名	おすすめな方	CPU	メモリ	GPU	ストレージ	画面サイズ	価格
	Lenovo IdeaPad Flex 5 Gen 8	コンパクト・軽さ重視の学習・検証用ノートPC	AMD Ryzen 5 7530U	16GB	Radeon Ryzen 5 7530U (CPU内蔵GPU)	SSD 512GB NVMe	14	7万円台～
★	Surface Pro 9	コンパクト・軽さ重視の学習・検証用ノートPC	Intel Core i5-1235U	8GB	Intel Iris Xe (CPU内蔵GPU)	SSD 256GB	13	15万円台～ (17,380円引き)
	GALLERIA XL7C-R46	GPU搭載の学習・検証用ノートPC	Intel Core i7-13700H	16GB	GeForce RTX 4060 Laptop GPU	SSD 500GB NVMe	15.6	18万円台～
	GALLERIA RM5C-R35	GPU搭載の学習・検証用デスクトップPC	Intel Core i5-13400F	16GB	GeForce RTX 3050	SSD 500GB NVMe	-	15万円台～
	GALLERIA RM5C-R36	GPU搭載の学習・検証用デスクトップPC	Intel Core i5-13400F	16GB	GeForce RTX 3060	SSD 500GB NVMe	-	15万円台～
★	ZEFT Z32EE	本格運用・大規模学習向けデスクトップPC	Intel Core i7-13700KF	64GB	GeForce RTX 4080	SSD 2TB NVMe	-	47万円台～ (55,000円引き)

この記事では、

• ディープラーニング・機械学習などのAI向けPCによくある疑問
• AI学習に必要な目安スペック（勉強用・検証用と本格運用・大規模学習）
• ディープラーニング・機械学習におけるPCパーツの役割
• おすすめのBTOパソコン

を解説していきます。

少し長いですが、AIパソコンを検討する上で、疑問は無くなるかなと思います。

この記事の著者

パソコンブロガー　ケンさん

PC歴20年以上、40台以上の実機レビュー、様々な用途で使ってきた経験を元に、基礎知識や選び方、用途・価格別のおすすめPCなど、パソコン初心者の方向けに解説。
詳細プロフィール

ディープラーニング・機械学習向けPCとは？

ディープラーニング、機械学習は、大きなくくりで言うとAIです。

AIで言えば、この他にも、遺伝的アルゴリズムやら画像識別やら色々あるのですが、それらも含めたスペックやパソコンを紹介していきます。

何となくですが、AIと聞けば最先端の技術で、高度な知識が必要ということで、

というイメージがあるかもしれません。

しかし、全然そのようなことは無く、個人でAIの勉強用や検証用であれば、10万円程度のミドルレンジのパソコンで大丈夫です。

勉強や検証が終わり、データ量を増やして規模感を大きくしてAI学習をさせたいという時は、20~30万円程度のハイエンドなデスクトップPCが欲しいところですね。

とは言え、AI向けのパソコンとなると色々疑問があると思うので、目安のスペックを紹介する前に、そのあたりを解決しておこうと思います。

主に、次のようなことを前提知識として解説しておきます。

• 基本的に普通のPCで問題なし
• 私が使っているAI用PCのスペックと活用事例
• ゲーミングPCでもAI学習用PCとして使えるのか
• 自作できる方が良いの？
• デスクトップPCとノートPCどっちがいい？

では、1つ1つ解説していきます。

基本的に普通のPCで問題なし

ディープラーニング、機械学習などAIに関するプログラミングや学習をしようとすると、

と思われるかもしれません。

ですが、やってみた経験で言うと、

です。

デスクトップパソコンで言うと、10万～25万ぐらいの価格帯のパソコンですね。

正確に言うと、業務レベルで何かのプロダクトを作るような場合、かつ、データ量が膨大という場合には、学習速度やデータ量を考慮して、数十万～数百万というような業務用向けのハイエンドなPCが必要になってくるかもしれません。

例えば、業務レベルで言うと次のようなものですね。

このようなものを学習、解析するためには、データ量が膨大になってくると思うので、とんでもないスペックのパソコンが必要になってくるんじゃないかなと思います。（イメージです。）

ですが、

• ディープラーニングや機械学習の勉強をしたい
• 個人で作るレベルで、ちょっとした規模の学習をしたい
• ディープラーニングだけでなく色々なAIを試してみたい

ということであれば、普通のPCで全く問題ありません。

※あくまで、個人でAIの勉強や何かを学習させたいということを想定して解説しています。

私が使っているAI用PCのスペックと活用事例

ディープラーニングと言っても範囲が広いので、私がどのようなスペックで、どのような学習をしていたのかを1つの事例として、紹介しておきます。

これで、どのくらいのスペックで、どの程度のことができるのかイメージしやすくなるかと思います。

学習内容

FXの自動売買プログラムのためのディープラーニング、遺伝的アルゴリズムを使ったAI学習を行いました。

学習内容は、FXの移動平均線などの指標（※）を元に、半年間の日足データを使って、こういうパターンで取引したら、収益がいくらになるかというのを“3, 4億件”実施し、学習していくというものでした。

※FXをよく知らないという方は、特定のパターンになった時に、買ったり、売ったりするとイメージしてください。

ちなみに、3,4億件のデータは、後から成績を見返せるようにするため、データベース（Mysql）を使って、全てストレージに保存していました。

この件数はほぼ半年間ぐらい、パソコンをつけっぱなしにして、ずっと学習させ続けた結果ですね。

個人で開発するレベルでは、かなりの規模かなと思います。

その際に、

1. 学習するためのAI用パソコン
2. 実際に売買するためのパソコン
3. 検証用・勉強用のパソコン

の3台のパソコンを使っていました。

①のパソコンで長時間学習させた”結果”を②のパソコンに移して、その結果を元に売買させていました。

③は新しい仕組みを組み込みたい時に、実際に組み込む前の検証や勉強用として使っていました。

AI学習をする際の流れを大まかに言うと、

• AIをプログラミングする
• AIを学習させる
• 学習させたAIを使う

となるのですが、“AIを学習させる”という部分で、一番性能が必要とします。

主にCPUとGPU、後は、メモリ、ストレージの性能によって、学習スピードが変わってきます。

学習スピードが”変わる“というだけなので、あまりおすすめはしませんが、低い性能のパソコンでも遅いですが学習はできます。

ですが、ちょっとしたAIの変更で、データ量が膨大になり、低い性能じゃとても学習し終えない…という場合も多々あるので、やはりある程度性能があった方が良いです。

他の2つは、学習部分に比べれば、特に性能は意識しなくて良いですね。

PCスペック

ここで、上にあげた3つのパソコンのスペックを載せておきます。

主に、スペックが必要な①学習用AIパソコンについて解説します。

このPCは、AI学習するためだけの用途で自作しました。

元々①のパソコンは、

と言うスペックで、AI学習する際にスペック不足を感じ、上の表ようにスペックアップしていきました。

スペック不足は、次のような理由で変更していきました。

AIの学習は、CPUでもGPUでもできます。

ですが、性能にもよりますが、基本的に GPU の方が早く学習することができます。

また、

• 使いたいAI
• 使用するライブラリ（※）

によって、GPUが使える、使えないが分かれてきます。

※ライブラリとは、汎用性の高い複数のプログラムをひとまとまりにしたもので、誰かが作ったライブラリを自分のプログラムに組み込むことで、ライブラリ内のプログラムも使えるというもの。

AIを勉強する上で、AIやライブラリを色々試していくという試行錯誤は絶対に来るので、GPUを搭載し、CPUとGPUを両方バランスの良い性能にしておくのが良いかなと思います。

ストレージについてですが、学習の途中結果などをデータベースで大量に保存する場合は、SSDを使うべきです。

最初はデータ量が多くなると予想し、HDDを使っていました。

しかし、データベース（Mysql）を使って、3,4億件ものデータをストレージに保存していくためには、データ転送速度も意識する必要があり、SSDに変更しました。

1件当たりのデータ量にもよりますが、1000万件当たりからプログラム上でデータベースのデータを読み込む際に時間がかかり、10分~30分ぐらい待たされるようになりました。

（その際のタスクマネージャーのディスクを見るとアクティブ100%）

データベースの量が増えれば増えるにつれ、読み込み時のデータを参照する量が増えるため、データ転送速度の遅いHDDだと限界だったということです。

例え、データベースの仕様上、一度多くのデータを読み込んでから必要なデータを取捨選択するので、プログラム上で使うデータが少なかったとしても、時間がかかります。

ちなみに、データベースを使う場合、データ転送速度は、シーケンシャルリードではなく、ランダムリードの値を参考にしましょう。

特に、データを保存しないプログラムにするという場合でも、256GBもあれば、そこそこ保存できるので、SSDにしておくべきですね。

ゲーミングPCでもAI学習用PCとして使えるのか

ゲーミングPCでも、AIの学習はできるので安心してください。

まず、上でも述べたように、

• CPU：Intel Core i7 7700K
• メモリ：32GB
• GPU：NVIDIA GeForce GTX 1070
• ストレージ：SSD 500GB

で、結構な規模感の学習をしていました。

メモリは少し多いですが、上のような学習規模でなければ、8GB～16GBで全然足ります。

ゲーミングPCであれば、グラフィックボードが付いてますし、ゲームの起動やロードを速くするために、ストレージはSSDが使われることが多いので、むしろ、ゲーミングPCはピッタリと言うべきですね。

自作できる方がメリットが大きい

ディープラーニング・機械学習PCについては、自作PCができる方が、何かと便利だったりします。

全部組むとまではいかなくても、メモリ、ストレージの増設・交換ぐらいはできた方が、色々と捗ります。

上でも述べたように、AI学習用のパソコンは最初のパーツ構成から、色々と変わっています。

正直、AIでどこまでの規模感の学習をしたいのかにもよりますが、ちょっとしたパーツの増設・交換はできるに越したことはないということですね。

とは言え、自作PCやパーツ交換ができないとAIには手を出さない方が良いというわけでは無いのでご安心を。

そんなことで、AIという素晴らしい技術を勉強しない理由にはなりませんね。

デスクトップPCとノートPCどっちがいい？

個人的には、断然、デスクトップPCですね。

理由としては、次の2つですね。

• デスクトップの方が冷却性能が高い
• 同じ価格帯で考えるとデスクトップの方が高性能

AIの学習となると、ちょっとした規模でも2, 30分高負荷状態になるので、冷却性能の低いノートPCの場合はちょっと不安ですね。

勉強用に、ほんとにちょっとした5分程度で終わるようなものであれば全然問題ないですが、色々分かってきてちょっと規模の大きい学習をしたいという時に「高負荷状態 + 長時間実行」という形になるので、心配になってきます。

また、AIの学習の速度は、CPUやGPUの性能に依存するので、でるだけ高性能にした方が良いです。

そのため、同じ価格帯で見た場合に、ノートPCよりデスクトップPCの方が性能が高くなります。

ということで、基本的に、デスクトップPCがおすすめですね。

• AIの勉強をちょっとしたい、そんなに大きな規模の学習は考えていない！
• それ以上に、持ち運べる方がありがたい！

という方は、ノートPCも選択肢に入れて良いかなという感じです。

ディープラーニング・機械学習PCに必要な目安スペック

長々とAIに関する疑問を解説しましたが、本題の必要なスペックを解説していきます。

AIと一言で言っても、ちょっと勉強したいだけなのか、それとも、結構な規模の学習をしたいのかで話が変わってきます。

そこで、次に2つに分けて解説していきます。

• 勉強用・検証用に必要な目安スペック
• 本格運用・大規模学習に必要な目安スペック

勉強用・検証用に必要な目安スペック

• これからAIについて勉強して、プログラミングしてみたい！
• 色々分かってきて、ちょっと規模感を大きくして学習したい！

活用事例でも言ったように、検証・勉強用パソコンであれば、学習の規模も小さいと思うので、このくらいのスペックでも十分にAI学習は可能です。

私は、Surface Pro 3で勉強や検証をしていたので、グラフィックボードは付いておらず、CPU内蔵グラフィックスでした。

グラフィックボードなしでもAIの勉強はできるので問題ないですが、一般的には、GPUで処理されることが多く、勉強の幅も広がるので、グラフィックボードは、無理でなければ付いていた方が良いですね。

ストレージは、データベースを使ってデータを保存する、しないに関わらず、データ転送速度の観点からSSDがおすすめ。

今のスタンダードが、SSDということもありますし、AI学習を色々試していくうちに、何かしらのデータを保存するという機会もあるだろうという理由です。

本格運用・大規模学習に必要な目安スペック

大規模な学習となれば、処理の量が膨大になるので、ハイエンドなCPU、GPUは搭載しておいた方が良いですね。

また、メモリについても、プログラム上で保持しておくデータ量も増えてくるため、それに伴って、メモリ量もそれなりに欲しいところです。

本格的に運用していくのであれば、ある程度、使用する言語、ライブラリは決まってきていると思うので、CPUで処理するのか、GPUで処理するのかが見えてくると思います。

それに合わせて予算の許す限り、CPUかGPUを高性能なものにした方が良いですね。

おすすめのディープラーニング・機械学習PC

では、ディープラーニング・機械学習向けのおすすめのBTOパソコンを紹介していきます。

【AIの勉強/検証用】持ち運びに最適なモバイルノートPC『Lenovo IdeaPad Flex 5 Gen 8』

モデル名	Lenovo IdeaPad Flex 5 Gen 8
メーカー	レノボ
CPU	AMD Ryzen 5 7530U
メモリ	16GB
GPU	Radeon Ryzen 5 7530U (CPU内蔵GPU)
ストレージ	SSD 512GB NVMe
Office	なし (オプション)
Wi-Fi Bluetooth	対応
価格	7万円台～ (2023/09/01更新)

14型

1,920×1,200 (WUXGA)

60Hz

コンパクト重視の14インチのモバイルノートPCで、AIの勉強・検証向けで持ち運び易さも必要な方におすすめ。

メモリが16GBなので何かとメモリ使用が多い(※)データ分析やAIでもある程度対応できます。
※処理するデータ量やアルゴリズムによって大幅に変わるので多い方が良い。

GPU非搭載のため、GPUを使ったAI学習ができない上、ノートPCなので長時間の学習は向いていないので、AIの勉強であったり、自分が考えたアルゴリズムを小さい規模感で検証するといった場合に向いています。

高い割引とコスパのノートPC

販売サイトを確認する

【AIの勉強/検証用】小型・軽量で持ち運びに最適な2in1タブレットPC『Surface Pro 9』

モデル名	Surface Pro 9
メーカー	Microsoft
CPU	Intel Core i5-1235U
メモリ	8GB
GPU	Intel Iris Xe (CPU内蔵GPU)
ストレージ	SSD 256GB
Office	Office Home & Business 2021
Wi-Fi Bluetooth	対応
価格	17万円台～ (2023/09/01更新) セール中：15万円台～ (17,380円引き)

13型

2,880×1,920

120Hz

0.878kg

CPUスコア	11119
GPUスコア	2890

Microsoft製の13インチ、約1kgの2in1タブレットPCで、コンパクト・軽さ重視です。

ケンさん

Surface Proは、Pro 3, 6と約8年使ってるけどええで！

AIの勉強・検証向けで持ち運び易さも必要な方におすすめ。
私はAIの勉強や検証はPro 6で行っています。

ただ、CPUやメモリ、ストレージもめちゃくちゃ高いわけでは無いので、何か膨大なデータを使って実際の問題を解くには性能不足だと思います。

また、GPU非搭載のため、GPUを使ったAI学習ができない上、ノートPCなので長時間の学習は向いていないので、AIの勉強であったり、自分が考えたアルゴリズムを小さい規模感で検証するといった場合に向いています。

他に荷物があっても場所を取らず、重さを感じさせないのでこの辺りでストレスを感じたくない方におすすめですね。

性能はミドルレンジCPU、メモリ8GBということで、普段使い、Office、プログラミング、動画編集（FHD15分程度）などの用途で使うことができます。

価格は少々お高めですが、その価値はあります。
デフォルトでOffice付きで、学生の方であれば学割で数万円お得にもなります。

Office標準搭載 / 学割あり

販売サイトを確認する

【AIの勉強/検証用】GPUを使ったAI学習も勉強できるノートPC『GALLERIA XL7C-R46』

モデル名	GALLERIA XL7C-R46
メーカー	ドスパラ
CPU	Intel Core i7-13700H
メモリ	16GB
GPU	GeForce RTX 4060 Laptop GPU (8GB)
ストレージ	SSD 500GB NVMe
Office	なし (オプション)
Wi-Fi Bluetooth	対応
価格	18万円台～ (2023/09/01更新)

15.6型

1,920×1,080 (FHD)

144Hz

2.2kg

最大6.1時間駆動

CPUスコア	31389
GPUスコア	18975

ミドルレンジCPU, GPU搭載のゲーミングノートPCです。

1つ目と比べスペックが高く、GPUも搭載しているので、コンパクトさより、持ち運びは必要なものの性能重視が良い方向けです。

また、AIの中にはGPUを活用して、高速に学習できるものもあるので、GPUを使った開発方法も勉強できます。

元々ゲーミングPCなので、重めの3Dゲームまで快適に楽しめますし、普段使い、ビジネス用途、動画編集などのクリエイティブ用途でもOK。

ポイントで周辺機器を狙おう！

販売サイトを確認する

【AIの勉強/検証用】数時間・数日の長期間学習もできるデスクトップPC『GALLERIA RM5C-R35』

モデル名	GALLERIA RM5C-R35
メーカー	ドスパラ
CPU	Intel Core i5-13400F
メモリ	16GB
GPU	GeForce RTX 3050 (8GB)
ストレージ	SSD 500GB NVMe
Office	なし (オプション)
Wi-Fi Bluetooth	非対応 (オプション)
価格	15万円台～ (2023/09/01更新)

ミドルタワ―

CPUスコア	25677
GPUスコア	12647

ミドルレンジのCPU, GPUを搭載したゲーミングデスクトップPCです。

GPU搭載のため、CPUより速いAI学習ができ、勉強の幅が広がります。

また、デスクトップPCなので、ノートPCと比べ冷却性能が高く、数時間、数日単位の長時間のAI学習も行うことができます。

そのため、今後大規模なデータを用いでAI学習をするための前段階として、小さい規模で試すための勉強・検証機としておすすめですね。

実際に運用するデータ量、アルコリズムでは学習速度が遅い等のスペック不足を感じるようであれば、メモリやストレージなどの増設や、別途、本格運用・大規模学習向けのPCを検討する必要があります。

レビュー記事を確認する

ポイントで周辺機器を狙おう！

販売サイトを確認する

【AIの勉強/検証用】数時間・数日の長期間学習もできるデスクトップPC『GALLERIA RM5C-R36』

モデル名	GALLERIA RM5C-R36
メーカー	ドスパラ
CPU	Intel Core i5-13400F
メモリ	16GB
GPU	GeForce RTX 3060 (12GB)
ストレージ	SSD 500GB NVMe
Office	なし (オプション)
Wi-Fi Bluetooth	非対応 (オプション)
価格	15万円台～ (2023/09/01更新)

ミドルタワ―

CPUスコア	25677
GPUスコア	16628

ミドルハイGPUを搭載したPCでGPUを使ったAIでそこそこの学習速度が期待できます。
SEVENはマイナーなPCメーカーですが、コスパが高い上、セール中であればさらに安く手に入れることができます。

また、約20種類のPCケースから選ぶことができるので、デザイン性にもこだわりたいかたにおすすめです。

ポイントで周辺機器を狙おう！

販売サイトを確認する

【本番環境/大規模学習】コンシューマー向けハイエンドPCで長時間・大量データも学習できるデスクトップPC『ZEFT Z32EE』

モデル名	ZEFT Z32EE
メーカー	SEVEN
CPU	Intel Core i7-13700KF
メモリ	64GB
GPU	GeForce RTX 4080 (16GB)
ストレージ	SSD 2TB NVMe
Office	なし (オプション)
Wi-Fi Bluetooth	対応
価格	52万円台～ (2023/09/01更新) セール中：47万円台～ (55,000円引き)

ミドルタワ―

ハイエンドなCPU, GPUを搭載した本格運用向け・大規模なデータの学習向けとなります。

既にAI学習の勉強や検証を重ねた上で実際にAIを運用するにあたり、どの程度のスペックが必要か目途が立っており、ハイスペックなものが必要となった方向けのモデルです。

デスクトップPCは冷却性能が高いので、数時間、数日単位の長時間のAI学習も行うことができます。

日/週替わりセールでお得に！

販売サイトを確認する

ディープラーニング・機械学習PCにおける各PCパーツについて

次に、快適にディープラーニング、規格学習ができるかどうかを決める主要なPCパーツについて解説していきます。

主に、次の5つのパーツですね。

• OS
• CPU
• メモリ
• グラフィックボード
• ストレージ

です。

OS

OSは、Windows OSか、UbuntuなどのLinuxベースのOSが用いられることが一般的です。

どちらを選ぶかは、主に

• 使うプログラミング言語（ライブラリ）
• 処理速度の速さが要求されるか

で決める必要があります。

言語で言うと次にようになります。

ということになります。

※他の言語でAI学習ができるのかについては知りません。（多分調べればできると思いますが…）

私は、

• 実行速度を重視したかった
• Pythonはほぼ使ったことが無く、C#が使い慣れていた
• C#でもディープラーニングなどのライブラリ（Accord.Net）があった。

と言う理由で、C#を使いました。

OSは、Windows OSですね。

ちなみに、ディープラーニングやAIを使う際は、Pythonが一般的ですね。

AI学習に必要な機能が充実していて、学習具合をグラフに表示してくれたりと学習効率を検証したりする機能などがあるので、AIを勉強するのに適している言語と言えます。

しかし、Pythonは、プログラムの実行速度が遅いので、このAIの使い方でやりたい学習ができるのかなどの検証を行うのに適しています。

一方で、本番環境のような実際にAIを運用していくような場合、かつ、実行速度が要求されるような場合は、比較的速度の速い言語で実装されることが多いようです。

私の場合は、実行速度を意識する必要があったため、Windows上でC#で開発していました。

（他にもっと速い言語はありますが、C#に慣れていたこととAI向けのライブラリがあったというのが理由）

これらを考慮して、OSを決める必要がありますが、Linux OSに慣れていない人は、Windows OSがおすすめですね。

PythonもC#も使えますし、どちらもディープラーニングに関するライブラリもあるので。

また、これからAIについて勉強していきたいという方も、Windows OSがおすすめですね。

AIの勉強自体が結構難しく、ボリュームがあるのですが、それに加えて、Linux OSの知識や慣れるのに時間をかけていると挫折しかねません。

CPU

ディープラーニングをする場合は、基本的にグラフィックボードを使うことになります。

使うライブラリにもよりますが、GPUで処理ができることが多いです。（CPUでも可）

だからと言って、CPUの性能が低くても良いという訳ではありません。

ディープラーニングで学習すると言っても、学習する部分はグラフィックボードを使えますが、

• ディープラーニングで学習する前段階のデータの収集、データの成形
• ディープラーニングの判定結果後のプログラムの動作

については、CPUで処理することになります。

つまり、CPUで処理する部分も多いということです。

また、AIと言っても、ディープラーニング以外にも色々とあります。

• 畳み込みニューラルネットワークというディープラーニングの派生形のもの
• 遺伝的アルゴリズム
• 強化学習

などなど…

遺伝的アルゴリズムの場合は、ライブラリがGPUに対応していないことが多く、CPUでの処理となります。

このようにAIの種類によって、CPUで処理するのか、GPUで処理するのか異なってくるので、両方のパーツである程度のスペックは欲しいところです。

ある程度、使うAIやプログラムが決まっている段階で、規模を大きくして運用するという場合には、CPUを主に使うのか、GPUを主に使うのか分かっていると思うので、そういう場合は、どちらかを高性能にしても良いかもしれません。

勉強がてら色々なAIを使ってみたい、やりたいことに対して、どんなAIが適しているか色々と試したいという場合には、CPU、GPU共にバランスの取れた性能にしておくべきです。

メモリ

メモリに関しては、実装するプログラム、扱うデータ量によって、必要な容量が全然異なってきます。

上の目安スペックでも述べたように、AIについて勉強するという段階で、小規模なプログラムを動かす程度であれば、8GBでも問題ないです。

予算に余裕があるのであれば、16GBですね。

しかし、規模感を大きくして、扱うデータ量、学習量を増やしていきたいという場合には、余裕をもって、32GB以上の方が良いでしょう。

ディープラーニングの学習自体にメモリを使用するというより、ディープラーニングの学習に必要なデータを生成、計算、”保持“するのに使用するイメージですね。

まとめると

• AIについて勉強する、色々なAIを使って検証するという場合　⇒　8GB、16GB
• 本格運用、大規模学習するという場合　⇒　32GB以上

グラフィックボード

グラフィックボードは、AI学習において必須のパーツではありませんが、搭載しておくことをおすすめします。

CPUの処理だけで、AIの学習を行うことができますが、グラフィックボードの高い演算能力を借りることで、さらに高速に学習することができます。

GPUの演算資源を画像処理以外の目的に応用する技術のことを「GPGPU」と言いますが、この技術をAIの学習にも活用することで、CPUより高速な学習をすることができます。

ディープラーニングでは、GPGPUに対応したライブラリも多く出ているので、グラフィックボードによる処理が可能です。

しかし、他のAIでは、ライブラリに対応していなかったり、そもそもグラフィックボードで処理するのに適していなかったりということがあるので、それは理解しておきましょう。

グラフィックボードは、NVIDIA GeForce GTX 1660のミドルエンドのものから、NVIDIA GeForce RTX 2080 Tiのようなハイエンドのものまで幅が広いです。

本格的に膨大な量のデータを使って学習する場合は、GeForce RTX 2080 Tiを2基、4基と搭載することも…

とは言え、勉強用、検証用であれば、グラボなしやNVIDIA GeForce GTX 1660あたりでも十分です。

勉強用、検証用は実行速度を気にするというより、AIでGPUを使う方法を勉強するという感じで、勉強の幅を広げる意味合いが強いので、グラフィックボードを搭載しなくても良いです。

AIの勉強以外にも使用用途があって、持ち運びできるようなコンパクトなPCが必要という場合は、グラフィックボードを搭載していないことが多いので、その時は非搭載でも良いと思っています。

また、個人開発の規模感であれば、高くてもGeForce RTX 2070, 2080あたりを1基で事足りると思います。

と言う疑問があると思いますが、これについては、プログラムの実装やグラフィックボードの性能によって全然違います。

私の場合は、インテル Core i7 7700K（OCなし）とNVIDIA GeForce GTX 1070を比較した場合に、大体20~50倍でした。

大体の目安にして頂ければと思います。

ストレージ

ストレージについては、

• 容量
• データ転送速度

の観点から解説します。

結論から言うと、データ保存するようなAIを作る場合は、データ転送速度が速いSSDにすべきです。

容量もデータ転送速度も、AIの”学習”自体には、あまり関わってきません。

ですが、

• 学習に使うデータを保存しておき、プログラムから読み込む時
• 学習結果を保存しておき、ストレージに書き込む時

に必要になってきます。

この時重要になってくるのが、データ転送速度です。

HDDを使うとデータ転送速度がボトルネック（足を引っ張ること）となって、プログラムの実行速度が大きく低下する場合があります。

正確に言うと、プログラム上からAIの学習に必要なデータをデータベースから読み込む際ですね。

データベースが1000万件当たりからプログラム上でデータベースのデータを読み込む際に時間がかかり、10分~30分ぐらい待たされるようになりました。

これだけの件数を保存するというのは滅多にないと思いますが、データの読み込みで待たされてはたまらないので、SSDにしておくべきですね。

まとめ：意外と特別なPCは必要ない！

ディープラーニング・機械学習などのAI学習向けのPCについて、次の4点を解説しました。

• ディープラーニング・機械学習などのAI向けPCによくある疑問
• AI学習に必要な目安スペック（勉強用・検証用と本格運用・大規模学習）
• ディープラーニング・機械学習におけるPCパーツの役割
• おすすめのBTOパソコン

再度、重要なポイントをまとめると

目安のスペックは、次の通りですね。

勉強用・検証用に必要な目安スペック

• これからAIについて勉強して、プログラミングしてみたい！
• 色々分かってきて、ちょっと規模感を大きくして学習したい！

本格運用・大規模学習に必要な目安スペック

AIの勉強は難しいですが、奥が深く使いこなせてくると色々と楽しいので、ぜひ頑張ってチャレンジしてみて下さい。

セール情報まとめ【定期更新】
数万円お得になるセール情報。割引率の高い製品が一目で分かる。

15万円前後のおすすめPC
デスクトップ/色々使える

20万円前後のおすすめPC
デスクトップ/ハイエンド

10万円前後のおすすめPC
ノート/ミドル/ゲーム入門

PCケースの種類が豊富
約10～30種選べるメーカー【3選】

白ケースパソコン
おしゃれな白ケース

LED搭載パソコン
光らせたい方必見

使用用途から探す
用途別に性能/おすすめPC紹介

メーカーから探す
メーカー別に解説/実機レビュー