AI環境構築サービス
GPU
OSSライブラリ
セットアップ
専用ツール・
アプリ開発
購入した当時はハイスペックでも、CPUやGPUの世代が上がるにつれて相対的に性能は低下していきます。 また内部で動くドライバやライブラリのバージョンを定期的にアップデートする手間は担当者にとって大きな負担となります。 サイエンスパーク株式会社はこれまで研究機関にAI開発用PCをカスタマイズ・セットアップして納入してきた経験を活かし、AI環境構築サービスを開始しました。
お客様の手元に最新のAI開発・運用環境を構築するサービスです。 ハードウェアだけでなく、内部にインストールするソフトウェアのセットアップを含めたトータルサポートをフルオーダーでお承りします。
継続でご契約いただける際には、年に1回のソフトウェア更新のオプションもご提供可能です。
パーツ選定からOSSライブラリの
セットアップ+開発まで
NVIDIA社製GPUの機種選定や、ドライバ・CUDA/cuDNNの導入をお手伝いいたします。
用途やご予算に合わせたスペックの選定だけでなく、導入予定のソフトウェアの対応状況を考慮した選定を行います。
以下のOSSライブラリやモデルの導入実績があります、この他のライブラリについてもお気軽にお問い合わせください。
Tensorflow, Mask R-CNN, darknet (YOLO v4, v5), PyTorch, PoseNet, OpenPose等
AIの精度評価アプリや分析結果集計アプリ、教師データ作成ツール等々のソフトウェア開発についてもぜひご相談ください。要件定義段階から弊社ソフトウェア開発エンジニアがお引き受けいたします。
AIが動作するような多機能高性能機種は、画面が付かない(映像ポートのトラブル)、OSが立ち上がらない(メモリのトラブル)などといったトラブルに煩わされがちです。経験豊富な弊社スタッフにお任せください。
YOLOやMask R-CNN、Tensorflowなどの各種フレームワークやライブラリが指定するCUDA/cuDNNのバージョン合わせや競合はスケジュール遅延の典型的な原因の一つです。 またOpenCV等の依存ライブラリのビルドなどのセットアップ作業で思わぬトラブルに巻き込まれることも珍しくありません。 複数のライブラリを使用する場合は、各ライブラリに応じて複数のCUDAのバージョンを調整する必要が生じるシーンも考えられます。 弊社はご希望の動作環境とご予算をおうかがいした上で、最適なハードウェアの構成をご提案し、ソフトウェアを含む環境構築を一手にお引き受けします。
さらにご要望に応じて、弊社独自ライブラリの導入や、専用ツール/アプリケーションの開発までご対応が可能です。 お客様は実現可能性調査や実験に集中することができます。
大量の画像に対してYolo v4を用いた深層学習ならびにその精度評価を実行するための環境一式の構築をお手伝いしました。こちらのお客様からは同じ仕様で2台目以降の御用命もあり、その際は割引価格でご提供させていただきました。
区分 | 仕様 |
---|---|
CPU | Core i9 9900X 10core/20thread 3.5GHz |
CPUクーラー | CPU水冷ユニット |
GPU | 4枚 x NVIDIA GeForceRTX 2080Ti 11GB |
マザーボード | intel X299 Expressチップセット(DLB) |
メモリー | 32GB (8GBx4) DDR4-2666 Quad-Channel |
ストレージ BootDevice | SSD 480GB MTBF120万時間高耐久品 |
電源 | 1500W 80PLUS TITANIUM認証静音電源 100V入力(GPUワークステーション用) |
OS | Ubuntu 18.04 LTS |
プログラミング言語 | Python 3.x |
フレームワーク・ライブラリ |
|
(表記の価格は参考価格です。部品価格の変動に伴いお見積り額が上下する可能性があります。)
大量の画像に対してYolo v4を用いた深層学習ならびにその精度評価を実行するための環境一式の構築をお手伝いしました。こちらのお客様からは同じ仕様で2台目以降の御用命もあり、その際は割引価格でご提供させていただきました。
区分 | 仕様 |
---|---|
CPU | Core i9 10900X 10core/20thread 3.7GHz |
CPUクーラー | CPU水冷ユニット |
GPU | 3枚 x NVIDIA QuadroRTX6000 24GB GDDR6 CUDAコア4608 / Tensorコア576 |
マザーボード | intel X299 Expressチップセット |
メモリー | 32GB (8GBx4) DDR4-2933 Quad-Channel |
ストレージ BootDevice | SSD 480GB MTBF120万時間高耐久品 |
電源 | 1500W 高効率高負荷対応 100V入力(GPUワークステーション用) |
OS | Ubuntu 18.04 LTS |
プログラミング言語 | Python 3.x |
フレームワーク・ライブラリ |
|
(表記の価格は参考価格です。部品価格の変動に伴いお見積り額が上下する可能性があります。)
大量の画像に対してYolo v4を用いた深層学習ならびにその精度評価を実行するための環境一式の構築をお手伝いしました。こちらのお客様からは同じ仕様で2台目以降の御用命もあり、その際は割引価格でご提供させていただきました。
区分 | 仕様 |
---|---|
CPU | AMD EPYC 7502P 32core/64thread 2.5GHz |
CPUクーラー | AMD CPU専用冷水ユニット |
GPU | 4枚 x NVIDIA RTX A5000 24GB GDDR6 CUDAコア8192 / Tensorコア 256 / RTコア 64 ※2枚1組でNL-LINK接続 |
マザーボード | AMD Socket SP3 |
メモリー | 512GB (64GBx8) ECC Registered DDR4-3200 |
ストレージ1 BootDevice | SSD 1TB NVMe ストレージ |
電源 | 1500W 高効率高負荷対応 静音電源 100V入力(GPUワークステーション用) |
OS | Ubuntu 18.04 LTS |
プログラミング言語 | Python 3.x |
フレームワーク・ライブラリ |
|
(表記の価格は参考価格です。部品価格の変動に伴いお見積り額が上下する可能性があります。)