医用画像DeepLearning用マシン

■GPUメモリの容量とGPUの搭載数のどちらを優先するべきか

例としてGPUメモリ16GBのカード x1枚と8GBのカード x2枚のどちらが良いかというケースで考えますと、前者が優先されます。
ビデオカード x2枚の方が合計CUDAコア数が多くなると考えられますが、複数枚のビデオカードのリソースは基本的にCUDA上で別個のものとして管理されるため、カードをまたぐデータのやり取りが発生するようなプログラムはそのリソース管理をコーディングで処理する必要があります。
そのため、基本的には1枚のビデオカードでビデオメモリを確保する方が扱いやすいと考えられます。
この点は、ビデオカードの種類がGeforceかRTXシリーズかによっても事情が異なりますので、一概には言い難いのですが、本事例でのご相談に関しては、可能な限り高性能な (CUDAコア数の多い) ビデオカード x1枚がベストな選択です。

■キーワード

・DeepLearningとは
DeepLearningは機械学習の一種であり、多層のニューラルネットワークを用いて高度なパターン認識や予測を行う手法。一般的に大量のデータを必要とするため、データが豊富な場合に効果的な手法とされている。
また、DeepLearnigは画像認識や音声認識、自然言語処理などの分野で広く用いられている。複雑な特徴や関係性を学習することができるため、従来の機械学習手法よりも高い精度を発揮することができる。

参考：【特集記事】機械学習ってなんだろう ※弊社オウンドメディア「TEGAKARI」に飛びます

・TensorFlowとは
TensorFlowはGoogleがオープンソースとして公開している機械学習ライブラリ。PythonやC++など多言語に対応し、CPUやGPUを利用した高速な計算が可能。画像認識や自然言語処理、時系列データ処理といった用途に適しており、事前学習済みのニューラルネットワークを利用できることも特徴。大規模データセットでの学習が行えるため、最新の深層学習研究開発に幅広く用いられている。

参考：TensorFlow ※外部サイトに飛びます

・Kerasとは
KerasはPythonで書かれたディープラーニングのためのライブラリ。使いやすさと直感的なAPIデザインが特徴で、迅速なニューラルネットのプロトタイピングが可能。バックエンドにTensorFlowやTheanoを利用し、CPUとGPUの両方で動作する。また、Pythonで書かれているため柔軟に拡張ができ、研究開発用途に適している。

参考：Keras ※外部サイトに飛びます

・CUDA Toolkitとは
CUDA Toolkitは、NVIDIAが提供しているGPU向けのパラレルコンピューティングプラットフォーム。C/C++からNVIDIAのGPUアーキテクチャを利用した高速なパラレルプログラミングが可能。DeepLearningや科学計算、コンピュータグラフィックスなど、様々な分野でGPUの計算能力を活かすことができる。コンパイラ、ライブラリ、デバッガなどのツールが含まれており、SDKとして提供されている。マルチGPU環境もサポートしており、ワークステーションからクラウドまで幅広い環境で活用できる。

参考：CUDA Toolkit (NVIDIA Corporation) ※外部サイトに飛びます