最大数万円お得になるセール情報まとめ ≫

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!

人工知能・ディープラーニング

どうも、パソコンブロガーのケンさん(@pasolog_ken)です。

ディープラーニング・機械学習向けのPCが欲しいけど、どのくらいスペックが必要なの?

ゲーミングPCレベルのパソコンでもAI学習ってできるの?

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、10万円程度のみどるれんじ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。

 

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。

 

MEMO

「学習」と「勉強」と言うワードを使っていますが、「学習」はAIの学習のことを指し、「勉強」はユーザーがAIについて学ぶことを指しています。

MEMO

本記事は、これからAIを勉強したいという方向けにも解説していますが、説明の都合上、プログラミング言語やデータベースなど専門的な用語が含まれています。

 

この記事の著者

パソコンブロガー ケンさん

PC歴20年/自作,プログラミング歴10年、文系新卒でSEとしてIT企業に入り、スマホアプリ/Windowsアプリ開発に携わる。 ハード,ソフト面で長年の知識,経験を元に初心者向けにPCを解説 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、

パソコンも何かすごいのが必要なんじゃないか?

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。

 

ケンさん

意外と普通のパソコンでいけることに驚いたわ

 

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、

何かすごいスペックのPCがいるんじゃないか?

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、

普通のミドルレンジからハイエンドレベルのPCで問題なし

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。)

ケンさん

未知数すぎてよう知らんけどな…

 

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。

 

ケンさん

AIの良い勉強にはなったけど、FX自体は勝たれへんかってんよな…

 

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。

①学習用AIパソコン②売買用パソコン③検証・勉強用パソコン
製品自作PC自作PCSurface Pro 3
OSWindows 10Windows 7Windows 8
CPUIntel Core i7 7700KIntel Core i5 2500Intel Core i5 4300U
メモリ32GB16GB8GB
GPUGeForce GTX 1070GeForce GTX 560 SECPU内蔵グラフィック
ストレージSSD:250GB(SATA)
SSD:500GB(SATA)
SSD:250GB(SATA)
HDD:2TB
256GB

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、

メモリ:16GB

GPU:CPU内蔵グラフィック

ストレージ:HDD 2TB(SSD 500GBの方)

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。

プログラムの規模が大きくなるにつれ、プログラム上で保持するデータ量が多くなり、メモリをスペックアップ。

 

CPUの性能を使って学習することもできますが、ディープラーニングでは、基本的にGPUを使って高速で学習するので、当時でそこそこ良いGPUを追加。

 

HDDだとデータ転送速度が遅く、ボトルネックとなったため、データ転送速度の速いSSD(SATA)に変更。

 

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。

ケンさん

確か、20~50倍ぐらいのスピードアップになったと思うで!

 

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。

 

ケンさん

実際俺も勉強や検証は、ノートPCのSurface Pro 6でやってるかな!

 

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!
という方、勉強用・検証用として使う場合の目安スペックです。

CPUIntelCeleronPentiumCore i3Core i5Core i7Core i9
AMD--Ryzen 3Ryzen 5Ryzen 7Ryzen 9
メモリ4GB8GB16GB32GB64GB-
GPUCPU内蔵GTX 1650
GTX 1660
RTX 2060RTX 2070
RTX 3060
RTX 2080
RTX 3070
RTX 3080
RTX 3090
ストレージ256GB512GB1TB2TB4TB-
※左から性能の低い順に記載しています。
※オレンジ色より低性能は、動作のカクつきや動作しない場合があります。
※オレンジ色より高性能は、より快適に動作させたい、将来より高負荷なことをやる方向けです。

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。

ケンさん

HDDでボトルネックになったから怖いねんな…数十分うんともすんとも言わんくなるで!

 

本格運用・大規模学習に必要な目安スペック

本格運用・大規模学習とは、上の事例で紹介したような規模感の学習をしたいという方向けの目安スペックです。

CPUIntelCeleronPentiumCore i3Core i5Core i7Core i9
AMD--Ryzen 3Ryzen 5Ryzen 7Ryzen 9
メモリ4GB8GB16GB32GB64GB-
GPUCPU内蔵GTX 1650
GTX 1660
RTX 2060RTX 2070
RTX 3060
RTX 2080
RTX 3070
RTX 3080
RTX 3090
ストレージ256GB512GB1TB2TB4TB-
※左から性能の低い順に記載しています。
※オレンジ色より低性能は、動作のカクつきや動作しない場合があります。
※オレンジ色より高性能は、より快適に動作させたい、将来より高負荷なことをやる方向けです。

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。

 

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。

 

ここを理解しておけば、自分でパーツのカスタマイズできるから知っといた方が良いで!

先生

 

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。

Windows OS ⇒ C#など使える、Pythonも使える

Linux OS ⇒ C#などは基本的に使えない、Pythonは使える

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。

 

ケンさん

俺はタスクマネージャーで確認して、16GBじゃ足りんかったから、32GBに増設してんな

 

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。

ケンさん

また言うけど、GPUにして20~50倍ぐらい速くなったで!感動したわ

 

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。

 

グラフィックボードは、CPUと比較して何倍速くなるの?

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。

ケンさん

データ転送速度の方が重要やから、HDDはやめといたほうがええ

 

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。

 

ケンさん

HDDからSSDに変えたら待たされることは無くなったな

 

 

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。

 

【ノートPC / AIの勉強・検証用】コンパクトで持ち運び可能な「Surface Pro 7」

メーカー:Microsoft
CPU:Intel Core i5-1035G4
メモリ:8GB
GPU:Intel Iris Plus (CPU内蔵GPU)
ストレージ:SSD 256GB
Office:Office Home & Business 2019
Wi-Fi/Bluetooth:対応
価格税込 153,780円 (2021/05/19更新)
12.3型
2,736×1,824
0.775kg
最大10.5時間駆動
CPUスコア
8304
GPUスコア
1864
12.3インチで1kgということで超コンパクト、軽量な2in1タブレットです。
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。

GPUが無くGPGPUによるAI学習ができず、ノートPCなので長時間の学習は向いていませんが、AIの勉強・検証レベルであれば最適。

Office付きで、学割ありです。

 

【ノートPC / AIの勉強・検証用】ミドルハイのグラボを搭載した「GALLERIA GCL2060RGF-T」

メーカー:ドスパラ
CPU:Intel Core i7-10750H
メモリ:16GB
GPU:GeForce RTX 2060 (6GB)
ストレージ:SSD 512GB NVMe
Office:なし (オプション)
Wi-Fi/Bluetooth:対応
価格税込 139,980円 (2021/05/19更新)
15.6型
1,920×1,080 (FHD)
144Hz

1.85kg
最大3.8時間駆動
CPUスコア
12577
GPUスコア
13882
ハイエンドのCPU, ミドルハイのGPUを搭載したゲーミングノートPCです。

GPU搭載のため、CPUより速いGPGPUを使ったAI学習もできるため、学習の効率化とAIに関する幅広い勉強ができます。

また、性能が高いので、本来の用途であるゲームや動画編集などにも使えます。

 

【デスクトップPC / AIの勉強・検証用】ミドルハイのグラボを搭載した「GALLERIA RM5R-G60」

メーカー:ドスパラ
CPU:AMD Ryzen 5 3500
メモリ:16GB
GPU:GeForce GTX 1660 (6GB)
ストレージ:SSD 512GB NVMe
Office:なし (オプション)
Wi-Fi/Bluetooth:未対応 (オプション)
価格税込 119,980円 (2021/05/19更新)
ミニタワー
CPUスコア
12869
GPUスコア
11611
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GPGPUを使ったAI学習もできるため、学習の効率化とAIに関する幅広い勉強ができます。

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。
そのため、今後大規模なデータを用いでAI学習をするための勉強・検証機としておすすめですね。

検証する中で、実際に運用するデータ量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、別途、本格運用・大規模学習向けを検討する必要があります。

 

【デスクトップPC / 本格運用・大規模学習向け】ハイエンドCPU & GPU搭載の「GALLERIA XA7R-R37」

メーカー:ドスパラ
CPU:AMD Ryzen 7 3700X
メモリ:16GB
GPU:GeForce RTX 3070 (8GB)
ストレージ:SSD 512GB NVMe
Office:なし (オプション)
Wi-Fi/Bluetooth:未対応 (オプション)
価格税込 199,980円 (2021/05/20更新)
ミドルタワ―
CPUスコア
22788
GPUスコア
21785
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。

 

 

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

基本的に普通のPCで問題なし

⇒ デスクトップパソコンで言うと、10万~25万ぐらいのミドルレンジからハイエンドPCでOK

 

ゲーミングPCでもAI学習用PCとして使えるのか

⇒ 使えます。むしろ、グラフィックボードやSSDが搭載されているのでピッタリ

 

自作できる方が良いの?

⇒ あった方が良いレベル。学習規模の大きなAIを動かしたいなら、臨機応変にメモリやストレージを変更・増設できた方が有利

 

デスクトップPCとノートPCどっちがいい?

⇒ 冷却性能の高さと同価格帯で見た時の性能の高さから言って、デスクトップPC

 

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!
という方、勉強用・検証用として使う場合の目安スペックです。

CPUIntelCeleronPentiumCore i3Core i5Core i7Core i9
AMD--Ryzen 3Ryzen 5Ryzen 7Ryzen 9
メモリ4GB8GB16GB32GB64GB-
GPUCPU内蔵GTX 1650
GTX 1660
RTX 2060RTX 2070
RTX 3060
RTX 2080
RTX 3070
RTX 3080
RTX 3090
ストレージ256GB512GB1TB2TB4TB-
※左から性能の低い順に記載しています。
※オレンジ色より低性能は、動作のカクつきや動作しない場合があります。
※オレンジ色より高性能は、より快適に動作させたい、将来より高負荷なことをやる方向けです。

 

本格運用・大規模学習に必要な目安スペック

本格運用・大規模学習とは、上の事例で紹介したような規模感の学習をしたいという方向けの目安スペックです。

CPUIntelCeleronPentiumCore i3Core i5Core i7Core i9
AMD--Ryzen 3Ryzen 5Ryzen 7Ryzen 9
メモリ4GB8GB16GB32GB64GB-
GPUCPU内蔵GTX 1650
GTX 1660
RTX 2060RTX 2070
RTX 3060
RTX 2080
RTX 3070
RTX 3080
RTX 3090
ストレージ256GB512GB1TB2TB4TB-
※左から性能の低い順に記載しています。
※オレンジ色より低性能は、動作のカクつきや動作しない場合があります。
※オレンジ色より高性能は、より快適に動作させたい、将来より高負荷なことをやる方向けです。

 

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。

 

ケンさん

では!楽しいディープラーニング・AIライフを!!


どうも、ケンさん(@pasolog_ken)でした。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です