年の瀬に GPU マシンを購入した
9月に記事書いたっきりサボってしまっていましたがもうド年末ですね・・・週1でブログ更新していきたいとか息巻いていたあの頃の自分はどこへやら。この2ヶ月間は会議で沖縄行ったり学会(自分は聴講のみ・・・)でイタリア行ったりと、先日のハワイ・広島も含めたら今年はやけに出張の多い年となりました。どこからも無事に帰ってこれたことを喜ばしく思いますわ。ヴェネツィアはいつかまた夏ぐらいに行きたい。
半ドンなので街中散策してる。いちいちサマになるなあ pic.twitter.com/WCyo41PO2m
— macOS しえら (@ciela) 2017年10月25日
出張しまくって美味しい思いばかりしてたわけではないんす。最近は業務で DeepLearning のモデルを動かすことが増えてきたこともあって、先日思い切って自宅にもちょっとした学習環境をこさえてみようと奮発してみたのである。要件はあまり細かく決めずざっくりとこんな感じ。
通販サイトいろいろ覗いてみたり、秋葉原まで行って現地での相場感を得たりした結果、パソコン工房の下記のモデルに決定。
Miyabi-EJ3M-i5-RNJR [Windows 10 Home] | パソコン工房【公式通販】
この BTO マシンに対して下記のようにオプションを選択。
1080 Ti で 11GB のビデオメモリを満喫しようとも考えたけど、電源もグレードアップさせなきゃならない上値段もそれなりにするということもあり予算を軽々と飛び越えそうだったので我慢。
この連休の成果として自宅用のPCをこんな感じでオーダーしてみたのである pic.twitter.com/MNlLefBImh
— macOS しえら (@ciela) 2017年12月18日
最終的な料金は税別149,920円。まぁいい買い物したといえる値段なんじゃなかろうか。
これを18日月曜にオーダーし、wktk しながら待っていたら23日土曜に早速届いた。
新しいマシンが届いたでござる!届いたでごさる! pic.twitter.com/cEoRmpfKfO
— macOS しえら (@ciela) 2017年12月23日
社会人になってから自宅でデスクトップマシンを購入利用するのは初めてで、キーボードとディスプレイを持っていなかったため、急いで秋葉原に調達に。ホントは DisplayPort 活かせるディスプレイ買いたかったけど、これも財布と相談して無難に HDMI スピーカー付きの IO Data 製を、キーボードは FILCO の US 配列 Majestouch をそれぞれ購入。
FILCO Majestouch2 Tenkeyless S〔静音〕 キーボード 91日本語カナあり CherryMXピンク軸 USB/PS2両対応 ブラック FKBN91MPS/JB2
- 出版社/メーカー: FILCO
- 発売日: 2016/06/30
- メディア: Personal Computers
- この商品を含むブログを見る
自宅に戻って早速セットアップ開始、Ubuntu 16.04 をインストールしたあとは CUDA 9.1 を入れて一緒に nvidia-387 ドライバもインストール。無事自宅での学習環境が完成。こうしてクリスマス・イブに自分から自分へ素敵なご褒美を贈ることが出来たのでした。
例によって Secure Boot 周りでいろいろ苦戦させられたけど、無事 nvidia-387 と cuda も入って割と環境完成してきた感ある pic.twitter.com/1x96zP3NcW
— macOS しえら (@ciela) 2017年12月23日
とりあえずユースケース的なベンチマークとして昨日からモナコインマイニングを走らせてみたところ、温度、消費電力それぞれ 80℃、130W 前後をマークしている感じ。
$ nvidia-smi Sun Dec 31 15:49:46 2017 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 387.26 Driver Version: 387.26 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 GeForce GTX 1080 Off | 00000000:01:00.0 On | N/A | | 69% 82C P2 132W / 200W | 1999MiB / 8111MiB | 90% Default | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |=============================================================================| | 0 1127 G /usr/lib/xorg/Xorg 203MiB | | 0 2252 G compiz 90MiB | | 0 12278 C ./ccminer 1693MiB | +-----------------------------------------------------------------------------+
構築途中のあれこれも機会あったらまたまとめたい。
そんなわけで個人でも手軽に DeepLearning 可能な環境を構築してみた記事を世の中に1件増やしてみた。会社では TITAN X 4枚刺しとかを利用させてもらっているのでさすがにそれを超えるような性能を出せるわけではないけど、自宅で読んだ論文を再現したいときとかに手元に GPU あるのはやっぱり心強い。これで PyTorch でモデルや変数を心置きなく CUDA 化しまくれますね!
皆様来年もよろしくお願いいたします。