NVIDIA GPU Deep Learning（深層学習）開発環境、構築、最適化情報

弊社のWEBサイトで使用しているPHPのバージョンをPHP7.4より、脆弱性が改善されたPHP8.5の最新バージョンに更新させていただきました。(2026/10/22)
一部のページにおきまして、PHPのWarning（警告メッセージ）が表示されておりますが、警告が表示されないような修正作業をおこなっております。

法人、ビジネス、教育機関、政府機関、NPO等向けウイルス対策セキュリティソフト：Avast Business Cybersecurity Solutions

NVIDIA^® GPU Deep Learning （深層学習）開発環境構築情報

こちらは、「NVIDIA^® Deep Learning （深層学習）」を開発するPC（ワークステーション、サーバー）に必要な開発環境を構築する方法の概略や、構築に参考となる情報を集めたページとなります。
各々の情報のサイト・リンク情報、NVIDIA^® CUDA、CUDA GUP ドライバー、NVIDIA^® DIGITS、cuDNN、フレームワーク（Caffe、theano、torch、BIDMach）などをダウンロード、インストールする方法の概略情報があります。
既に Deep Learning の開発環境をお持ちの方も、また、これから導入を考えておられる方にも、何かのご参考になれば幸いです。
インテル^® Xeon^® プロセッサや、Xeon^® Phi™ x200 プロセッサ（Knights Landing）を使用した場合の Deep Learning 開発に関しての情報はこちらをご覧ください。
（2017/04/08 更新）

GPU ハードウェア要件 Turing Architecture GPUs	プロセッサ	ドライバー	CUDA Toolkit	DIGITS	cuDNN
Frameworks
Caffe	theano	torch	BIDMach	Keras	Another Frameworks

Arcbrain Deep Learning GWS Middle Tower Chassis

株式会社アークブレインでは、Deep Learning（深層学習）を研究するためのカスタム・オーダーメイドのワークステーション（GPU × 1～4）や、サーバー（GPU × 1～4）を販売しております。

Intel^® Xeon^® Scalable Processor 搭載
Arcbrain　オリジナル　サーバー、ワークステーション製品最新ラインナップ

GPUを使用せず、Intel^® Xeon^® / Core™ Processor、インテル^® Parallel Studio、インテル^® MKL（Math Kernel Library）の DNN（Deep Neural Network）プリミティブ、インテル^® Distribution for Python^® による Deep Learning（深層学習）の開発環境を構築することも可能です。

お気軽に弊社までお見積り依頼をお願いいたします。
ご希望の仕様に合った構成のカスタマイズに、ご対応させていただきます。

NVIDIA^® Accelerated Computing Developer Program
	NVIDIA^® Deep Learning の開発環境（NVIDIA^® CUDA、NVIDIA^® DIGITS™、cuDNN等）を入手するためには、まず、Accelerated Computing Developer Program に登録する必要があります。 https://developer.nvidia.com/accelerated-computing-developer

GPU バードウェア要件 - Hardware Requirements

NVIDIA^®
GPU

Compute
Capability

NVIDIA^® GPU（Graphics Processing Unit）のハードウェア要件としまして、Deep Learningに必要な、DIGITS、cuDNN や Caffe を動作させるためには、CUDA　のバージョンは 7.0 以上、 Kepler microarchitecture 以降のアーキテクチャの GPU で、Compute Capability が 3.0 以上である必要があります。
Fermi アーキテクチャーの GPU は、Compute Capability が 2.0 / 2.1 であるため、残念ながら Deep Learning 用には使用することができません。
Tesla GPU である C2075 / C2070 / C2050 は、Fermi アーキテクチャーであり、Compute Capability が 2.0 であるため、同様に Deep Learning 用には使用することができません。
GeForce GPUs with Kepler or higher アーキテクチャー (CUDA 7.5 Installation Guide)
CUDA 7.0 and a GPU of compute capability 3.0 or higher are required. (cudnn_install.txt)
Kepler は 3.0 ～ 3.5、Maxwell は、5.0 以上となりますので、勿論 Deep Learning 開発様に使用することが可能です。
Pascal アーキテクチャーは、Compute Capability が 6.0 以上となります。
Turing アーキテクチャーは、Compute Capability が 7.0 以上となります。

https://developer.nvidia.com/cuda-gpus

http://docs.nvidia.com/cuda/cuda-c-programming-guide/#compute-capability

http://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#compute-capabilities

※NVIDIA^® Deep Learning （深層学習）開発環境に対応したGPUの例
Tesla K20 (3.5) / K40 (3.5) / K80 (3.7) / M40 (5.2)
Quadro 410 (3.0) / K420 (3.0) / K600 (3.0)
Quadro K2000 (3.0) / K4000 (3.0) / K4200 (3.0) / K5000 (3.0) / K5200 (3.2) / K6000 (3.5)
Quadro K620 (5.0) / K1200 (5.0) / K2200 (5.0)
Quadro M2000 (5.2) / M4000 (5.2) / M5000 (5.2) / M6000 (5.2)
Quadro NVS 510 (3.0) / 810 (5.0)
Jetson TK1 (3.2) / Tegra K1 (3.2) / Tegra X1 (5.2)
GT 640 [GDDR5] (3.5) / GTX 650 (3.0) / GTX 660 (3.0) / GTX 670 (3.0)
GeForce GTX 750 (5.0) / GTX 760 (5.0) / GTX 770 (5.0) / GTX 780 (5.0)
GeForce GTX 950 (5.2) / GTX 960 (5.2) / GTX 970 (5.2) / GTX 980 (5.2)
GeForce GTX TITAN (3.5) / GTX TITAN Black (3.5) / GTX TITAN Z (3.5) / GTX TITAN X (5.2)
NVIDIA Quadro M6000 24GB (5.2, 24GB GDDR5, 3072 Core, 384bit, 317GB/s, 250W, ECC対応, DVI-Ix1, DP1.4x4)

● NVIDIA^® Turing™ Microarchitecture RTX GPU 性能比較一覧表
RTX GPU Specification Comparison List（2019年7月22日現在）　【Turing Microarchitecture 詳細情報】

Model	GPU Number	Memory	RTX-OPS ROPs (T)	SM Count	CUDA Core (=SM*64 =FP32 Core =INT32 Core)	RT Core (=SM)	Tensor Core (=SM*8)	FP64 Core (=SM*2)	GPU Clock (MHz)	Bus Width (bits)	Band Width (GB/s)	FP64 double (GFLOPS)	FP32 float (GFLOPS)	FP16 falf (GFLOPS)	FP32/16 Tensor (TFLOPS)	INT32 (TIPS)	INT8 (TIPS)	INT4 (TIPS)	TDP (W) [PIN]	NVLink SLI Bridge (GB/s)	Price (US$)
・NVIDIA^® GeForce^® RTX GPU　 https://www.nvidia.com/en-us/geforce/20-series/ TECHPOWERUP　https://www.techpowerup.com/gpu-specs/（リリース順）
TITAN RTX	TU102	24GB GDDR6	96	72 12*6	4608 [64]*72[SM]	72	576	144?	1350 - 1770 (OC)	384 32*12	672	509.8	16,312	32,625	130.5	16.3	261	522	280 [8+8]	✔ 100	2,499
GeForce RTX 2080 Ti Founders Edition	TU102	11GB GDDR6	78 ～ 88	68 12*6-4	4352 [64]*68[SM]	68	544	136?	1350 - 1635 (OC)	352 32*(12-1)	616	420.2	13,448	26,895	56.9	14.2	227.7	455.4	260 [8+8]	✔ 100	1,199
GeForce RTX 2080 Ti	TU102	11GB GDDR6	76 ～ 88	68 12*6-4	4352 [64]*68[SM]	68 12*6-4	544	136?	1350 - 1545	352 32*(12-1)	616	420.2	13,448	26,895	53.8	13.4	215.2	430.3	250 [8+8]	✔ 100	1,199
GeForce RTX 2080 Super	TU104	8GB GDDR6	64	48 8*6	3072 [64]*48[SM]	48 8*6	384	96?	1650 - 1815	256 32*8	495.9	348.5	11,150	22,300	44.6	11.2	180.2	360.5	215 [6+8]		699
GeForce RTX 2080 Founders Edition	TU104	8GB GDDR6	64	46 8*6-2	2944 [64]*46[SM]	46	368	92?	1515 - 1800 (OC)	256 32*8	448	314.6	10,068	20,137	42.4	10.6	169.6	339.1	225 [6+8]	✔ 50	799 - 999
GeForce RTX 2080	TU104	8GB GDDR6	64	46 8*6-2	2944 [64]*46[SM]	46 8*6-2	368	92?	1515 - 1710	256 32*8	448	314.6	10,068	20,137	40.3	10.0	161.1	322.2	215 [6+8]	✔ 50	799 - 999
GeForce RTX 2070 Super	TU104	8GB GDDR6	64	40 12*4-8	2560 [64]*40[SM]	40	320	80?	1605 - 1770	256 32*8	448	283.2	9,062	18,120	36.0	9.1	144	288	215 [6+8]	-	499
GeForce RTX 2070 Founders Edition	TU106	8GB GDDR6	45 ～ 64	36 12*3	2304 [64]*36[SM]	36	288	72?	1410 - 1710 (OC)	256 32*8	448	233.3	7,465	14,930	31.5	7.9	126	252.1	185 [8]	-	499 - 599
GeForce RTX 2070	TU106	8GB GDDR6	42 ～ 64	36 12*3	2304 [64]*36[SM]	36	288	72?	1410 - 1620	256 32*8	448	233.3	7,465	14,930	29.9	7.5	119.4	238.9	175 [8]	-	499 - 599
GeForce RTX 2060 Super	TU106	8GB GDDR6	64	34 12*3-2	2176 [64]*34[SM]	34	272	64?	1470 - 1650	256 32*(12-4)	448	224.4	7,181	14.360	28.7	7.2	144.8	249.6	160 [8]	-	399
GeForce RTX 2060	TU106	6GB GDDR6	37 ～ 48	30 12*3-6	1920 [64]*30[SM]	30	240	60?	1365 - 1680	192 32*(12-6)	336	201.6	6,451	12,902	25.8	6.5	103	206	160 [8]	-	349
GeForce RTX 2050	TU106	4GB GDDR6	32	14 12*1+2	896 [64]*14[SM]	14	112	28?	1515 - 1695	128 32*(12-8)	224	94.52	3,037	6,075	12.1	3.0	48	97	75 ～ 100? [8?]	-	200 - 250?
・NVIDIA^® Quadro^® RTX GPU　http://www.nvidia.co.jp/object/quadro-jp.html TECHPOWERUP　https://www.techpowerup.com/gpu-specs/（リリース順）
Quadro RTX 8000	TU102	48GB GDDR6	86～96	72 12*6	4608 [64]*72[SM]	72	576	144?	1440 - 1730	384 32*12	672	509.8	16,312	32,625	130.5	16.3	261	522	250? [8+8?]	✔ 100	9,999
Quadro RTX 6000	TU102	24GB GDDR6	84 ～96	72 12*6	4608 [64]*72[SM]	72	576	144?	1440 - 1730	384 32*12	576	509.8	16,312	32,625	130.5	16.3	261	522	295 [8+8]	✔ 100	6,299
Quadro RTX 5000	TU104	16GB GDDR6	64	48 8*6	3072 [64]*48[SM]	48	384	96?	1620 - 1815	256 32*8	448	348.5	11,151	22,303	89.2	11.2	178.4	356.8	265 [6+8]	✔ 50	2,299
Quadro RTX 4000	TU104	16GB GDDR6	43	36 8*4	2034 [64]*36[SM]	36	288	72?	1215 - 1710	256 32*8	416	246.2	7,880	15,759	60	7.9	120	240	160 [8]	-	899
・NVIDIA^® Tesla^® (Turing™) GPU　https://www.nvidia.com/en-us/data-center/tesla/ TECHPOWERUP　https://www.techpowerup.com/gpu-specs/（Turing™ リリース順）
Tesla T4 (Passive)	TU104	16GB GDDR6	64	40 8*(6-1)	2560 [64]*40[SM]	40	320	80?	585	256 32*8	320	254.4	8.141	65,126	65	8.1	130	260	70 [8?]	-	3,500?
・NVIDIA^® Tesla^® (Volta) GPU　https://www.nvidia.com/en-us/data-center/tesla/ TECHPOWERUP　https://www.techpowerup.com/gpu-specs/（Volta リリース順）
Tesla V100 PCIe 32GB (Passive)	GV100	32GB GDDR5	128 (ROPs>	80	5120 [64]*80[SM]	-	640	2560	1280 - 1380	4096	897.0	7,066	14,131	28.262	112	28	130	260	250 [8+8]	✔ 200 2.0 4 bricks	12,000～
Model	GPU Number	Memory	RTX-OPS ROPs (T)	SM Count	CUDA Core (=SM*64 =FP32 Core =INT32 Core)	RT Core (=SM)	Tensor Core (=SM*8)	FP64 Core (=SM*2)	GPU Clock (MHz)	Bus Width (bits)	Band Width (GB/s)	FP64 double (GFLOPS)	FP32 float (GFLOPS)	FP16 falf (GFLOPS)	FP32/16 Tensor (TFLOPS)	INT32 (TIPS)	INT8 (TIPS)	INT4 (TIPS)	TDP (W) [PIN]	NVLink SLI Bridge (GB/s)	Price (US$)
NVIDIA Turing Microarchitecture Whitepaper Turing™ Architecture GPU の Compute Capability は、7.0 以上となります。 RTX-OPS 計算式 = (TENSOR * 20%) + (FP32 * 80%) + (RTOPS * 40%) + (lNT32 * 28%) （ RTX2080 Ti の場合、RTX-OPs = 77.92 = (14 * 80%) + (14 * 28%) + (100 * 40%) + (114 * 20%) ） NVIDIA^® SLI NVLink™ に対応させるためには、NVLink 対応のGPU、SLI に対応したマザーボード（X299等+SLI対応BIOS）、アプリケーション、ドライバーのSLI設定等が必要となります。

● NVIDIA^® Volta™ アーキテクチャー GPU
TITAN V (7.0, 12GB HBM2, CUDA 5120 Core, Tensor 640 Core, 1200 - 1455 MHz, 3072 bit, 652.8 GB/s, TDP 250W)

● NVIDIA^® Pascal™ アーキテクチャー GPU
・NVIDIA^® GeForce^® GPU http://www.nvidia.co.jp/object/geforce_family_jp.html
CUDA を高速化、最適化するためは、Pascal Architecture に対応した最新の CUDA + ドライバーが理想的
GeForce GTX 1050 (6.1, 4,2GB GDDR5, 768,640 Core, 1354 - 1445 MHz, TDP 75W～)
GeForce GTX 1060 (6.1, 6,3,2GB GDDR5, 1280,1152,1024Core, 1506 - 1708 MHz, TDP 120W～)
~~GeForce GTX 1070 (6.1, 8GB GDDR5, 1920 Core, 1506 - 1708 MHz, TDP 150W～200W) 1809 EOL~~
~~GeForce GTX 1080 (6.1, 8GB GDDR5, 2560 Core, 1607 - 1733 MHz, TDP 180～200W) 1809 EOL~~
~~NVIDIA TITAN X (6.1, 12GB GDDR5X, 3584 Core, 1417 - 1531 MHz, TDP 約250W～) 1809 EOL~~
（GTX の付いた GTX TITAN X は、Pascal ではなく、Maxwell アーキテクチャーとなりますので、ご注意ください）

GeForce TITAN Xp (6.1, 12GB GDDR5x, 3840 Core, 1,582 MHz, 384bit, 547.7GB/s, 12TFLOPS, 7680x4320@60Hz, TDP 250W)
GeForce GTX 1080 Ti (6.1, 11GB GDDR5, 3584 Core, 1480 - 1582 MHz, 352bit, 484GB/s, TDP 250W)
GeForce GTX 1050 Ti (6.1, 4GB GDDR5, 768 Core, 1290 - 1390 MHz, 128bit, TDP 75W)

・NVIDIA^® Quadro^® GPU http://www.nvidia.co.jp/object/quadro-jp.html
NVIDIA Quadro GV100 (6.0, 32GB HMB2, 5120 Core, 4096bit, 870GB/s, 250W, ECC対応, DP 1.4x4)
NVIDIA Quadro GP100 (6.0, 16GB HMB2, 3584 Core, 4096bit, 732GB/s, 235W, ECC対応, DVI-Ix1, DP 1.4x4)
NVIDIA Quadro P6000 (6.1, 24GB GDDR5X, 3840 Core, 384bit, 433GB/s, 250W, ECC対応, DVI-Ix1, DP 1.4x4)
NVIDIA Quadro P5000 (6.1, 16GB GDDR5X, 2560 Core, 256bit, 288GB/s, 180W, ECC対応, DVI-Ix1, DP 1.4x4)
NVIDIA Quadro P4000 (6.1, 16GB GDDR5, 1792 Core, 256bit, 243GB/s, 105W, ECC対応, DP 1.4x4)
NVIDIA Quadro P2000 (6.1, 5GB GDDR5, 1024 Core, 160bit, 140GB/s, 75W, ECC対応, DP 1.4x4)
NVIDIA Quadro P1000 (6.1, 4GB GDDR5, 640 Core, 128bit, 80GB/s, 47W, ECC対応, Mini DP 1.4x4)
~~NVIDIA Quadro P600 (6.1, 2GB GDDR5, 384 Core, 128bit, 64GB/s, 40W, ECC対応, Mini DP 1.4x4) EOL~~
NVIDIA Quadro P400 (6.1, 2GB GDDR5, 256 Core, 64bit, 32GB/s, 30W, ECC対応, Mini DP 1.4x3)

・NVIDIA^® Tesla™ GPU http://www.nvidia.co.jp/object/quadro-jp.html
~~Tesla V100 （7.0, 5120 Core, 7TFLOPS(DP), 14TFLOPS(SP), 18.7TFLOPS(HP), 112TFLOPS(DL), 16GB CoWoS HBM2 with ECC, 4096 bit, 1245-1380MHz, 900 GB/s) EOL~~
Tesla V100 （7.0, 5120 Core, 7TFLOPS(DP), 14TFLOPS(SP), 18.7TFLOPS(HP), 112TFLOPS(DL), 32GB CoWoS HBM2 with ECC, 4096 bit, 1230-1380MHz, 900 GB/s）
~~Tesla P100 for PCIe-Based （6.0, 4.7TFLOPS(DP), 9.3TFLOPS(SP), 18.7TFLOPS(HP), 16 or 12GB, 720 or 540 GB/s, ECC対応） EOL~~
~~Tesla P100 for NVLink-Optimized （6.0, 5.3TFLOPS(DP), 10.6TFLOPS(SP), 21.2TFLOPS(HP), 16GB, 720GB/s, ECC対応）~~
Tesla P40 （6.1, 12TFLOPS(SP), 47TOPS(INT8), 24GB, 346GB/s, 250W, ECC対応）
Tesla P4 （6.1, 5.5TFLOPS(SP), 22TOPS(INT8), 8GB, 192GB/s, 50/75W, ECC対応）
（SP:Single Precision 単精度, DP:Double Precision 倍精度, HP:Half Precision 半精度）

※NVIDIA^® Deep Learning （深層学習）開発環境に非対応なGPUの例
Tesla C2050 (2.0) / C2070 (2.0) / C2075 (2.0) / M20xx (2.0)
Qudro Plex 7000 (2.0)
Qudro NVS 310 (2.0) / NVS 315 (2.0) / NVS 4200M (2.1) / NSV 5200M (2.1)
GeForce GT 430 (2.1) / GT 430 (2.1) / GT 440 (2.1) / GTS 450 (2.1) / GTX 460 (2.1)
GeForce GT 550 Ti (2.1) / GT 560 Ti (2.1) / GTx 570 (2.0) / GTx 580 (2.0) / GTX 590x (2.0)
GeForce GT 610 (2.1) / GT 620 (2.1) / GT 630 (2.1) / GT 640 [GDDR3] (2.1)
(GeForce GT 640 GDDR3 は、 NVIDIA^® のサイトでは 2.1 となっていましたが、 ELSA GeForce GT 640 LP 2GB GD640-2GERGL は、CUDA 「Device Query」でチックしたところ 3.0 でした)
GeForce GT 730 [DDR3,128bit] (2.1)

搭載してあるNVIDIA^®製GPUの種類は、以下のコマンドにより確認ができますので、もし、NVIDIA^®製GPUを搭載されている場合は、確認してみてください。

$ lspci | grep -i nvidia
01:00.0 VGA compatible controller: NVIDIA Corporation Device 1b80 (rev a1)
01:00.1 Audio device: NVIDIA Corporation Device 10f0 (rev a1)

$ nvidia-smi                      (要 CUDA インストール)
Thu Sep 22 22:23:07 2016
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 367.44                 Driver Version: 367.44                    |
|-------------------------------+----------------------+----------------------+
| 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 GT 640      Off  | 0000:01:00.0     N/A |                  N/A |
| 30%   35C    P0    N/A /  N/A |      0MiB /  1997MiB |     N/A      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID  Type  Process name                               Usage      |
|=============================================================================|
|    0                  Not Supported                                         |
+-----------------------------------------------------------------------------+

$ $ ./deviceQuery                (要 CUDA Sample インストール)
./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 1080"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    6.1
  Total amount of global memory:                 8110 MBytes (8504279040 bytes)
  (20) Multiprocessors, (128) CUDA Cores/MP:     2560 CUDA Cores
  GPU Max Clock rate:                            1734 MHz (1.73 GHz)
  Memory Clock rate:                             5005 Mhz
  Memory Bus Width:                              256-bit
  L2 Cache Size:                                 2097152 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 
                                                 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device 
	 simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime 
Version = 8.0, NumDevs = 1, Device0 = GeForce GTX 1080
Result = PASS

CPU Central Processing Unit	■ プロセッサのCore数、Thread数プロセッサの能力は、勿論、高性能であることが理想的ですが、重たい計算の殆どは GPU で処理されるため、そこそこの性能があれば、問題ありません。マルチGPUシステムの場合でも、1 GPU 当たり、1 Thread でも何とか動作してくれ、2 Thread あれば、問題ないと思われます。開発環境を構築するときに、ソースをマルチコアを使って高速にコンパイルすることもありますので、できればインテル@ Core™ i7 クラスのプロセッサがあれば、理想的だと思われます。決して、インテル@ Core™ i5 クラスのプロセッサでは全く使えないというわけではありませんが、Thread数が8から4に減少してしまいますので、コンパイル時間は、最大２倍の時間がかかってしまう恐れがあります。インテル@ Core™ i7 プロセッサには、通常のデスクトップ用の第６世代 Core™ i7-6600 番台（Skylake）と、ハイエンド・デスクトップ用の Core™ i7 6000 番台（Broadwell-E）があります。デスクトップ・サーバー用に、Intel^® Xeon^® Processor E3 v5 Family (Skylake、E3-12xx v5) というプロセッサがありますが、デスクトップ用の第６世代 Core™ i7-6600 番台（Skylake）と比較した場合、メモリがECC UDIMM（Error Check and Correct Unbuffered Dual Inline Memory Module）に対応しており、メモリの信頼性が高いというのが、大きな特徴ですが、プロセッサとしての性能はほとんど変わりありません。 ■ プロセッサの「PCI Express レーンの最大数」注意点としまして、通常のデスクトップ用のプロセッサは、「PCI Express レーンの最大数」が、16しかない点です。 GPUを２本から、最大４本搭載可能なマザーボードがありますが、４本搭載した場合は PCI Express x4 での動作となってしまいます。（ x4 * 4 GPU = x16）尚、PCI Express Gen.(Generation)3.0 は、1レーンあたり 1GB/sec.（一方向あたり）の転送帯域がありますので、x16 の場合は、16GB/sec. という転送帯域となります。マザーボードに、PCI Express Gen.3.0 x16 のスロットが、2本以上あったとしても、２本のGPUを刺したり、GPU以外の PCI Express カードを取り付けた場合、x8 にレーン数が減ってしまいます。（PC起動時に、マザーボードが自動設定）。また、スロットによっては、形状は x16 ですが、x8 でしか動作しない場合があり、取付時には x16 にGPUが搭載されたかどうかを確認する必要があります。 x8 の動作となりますと、プロセッサとGPU間のデータ転送速度が半分に落ちてしまいます。一方、ハイエンド・デスクトップ用のインテル^® Core™ i7 プロセッサは、最下位のクラスのものを除いて、インテル@ Xeon@ プロセッサと同様に、「PCI Express レーンの最大数」は40もあります。（Broadwell-E　/　EPの場合）また、メモリは Quad Channel (メモリは４枚単位で増設) に対応しており、デスクトップ用プロセッサの Dual Channel (メモリは２枚単位で増設) の倍のメモリ転送速度があります。そのため、2本のGPU迄であれば、各GPUは x16 の速度で動作させることが可能です。ここで注意していただきたいのですが、一番下位のクラスの Core™ i7- 6800K プロセッサは、「PCI Express レーンの最大数」が28しかありませんので、２本目のGPUは、PCI Express x8 でしか動作できません。 NVIDIA DIGITS DEVBOX （Deep Learning 開発用のリファレンスPC）で採用されているような、ASUS X99-E WS というマザーボードには、４本の PCI Express 3.0 x16 スロットがありますが、もし、４本のGPUを搭載した場合は、x16 モードでは動作せず、x8 モードで動作することになります。（40 - (8 * 4) = 残り 8 Lane） ●ハイエンド・デスクトップ用のインテル@ Core™ i7 プロセッサの比較 http://ark.intel.com/ja/compare/94456,94196,94188,94189 http://ark.intel.com/ja/products/codename/80341/Broadwell-E Intel^® Xeon^® Processor E5 v4 Family の場合は、一番最下位のクラスの「E5-1620 v4」や「E5-2603 v4」でも、「PCI Express レーンの最大数」は40あります。 http://ark.intel.com/ja/products/family/91287/Intel-Xeon-Processor-E5-v4-Family#@Server DP（Dual Processor）対応のワークステーション、サーバーであれば、40×2=80Lane になりますので、４本のGPUを全て、PCI Express x16 モードで動作させることが可能となります。（80 - (16 * 4) = 16 Lane）また、Intel^® Xeon^® Processor E5 v4 Family は、ECCに対応した RDIMM(Registered DIMM) に対応しており、１プロセッサあたり、何と 1536GB ものメモリ（128GB 3DS LRDIMM: 128GB × １２枚）を搭載することが可能です。 2CPUであれば、最大3072GBものメモリを搭載することができます。 ■ プロセッサのキャッシュ容量 CPUとGPU間のデータ転送を考慮しますと、プロセッサのキャッシュ容量は、なるべく多い方が理想的です。一言にキャッシュと言っても、キャッシュには、１次キャッシュ（32KB程度）、２次キャッシュ（256KB程度）、３次キャッシュ（8～55MB程度）がありますが、通常は容量の一番多い３次キャッシュのことを言います。通常のデスクトップ用の第６世代 Core™ i7-6600 番台（Skylake）のプロセッサのキャッシュは、僅か 8MB しかありません。 Intel^® Xeon^® Processor E3 v5 Family (Skylake、E3-12xx v5) も同様です。ハイエンド・デスクトップ用の Core™ i7 6000 番台（Broadwell-E）の場合は、最下位の i7-6800K でも 15MB あります。（i7-6850K も同じ 15MB）上位クラスの i7-6900K は 20MB、非常に高価ですが、最上位の i7-6950X は 20MB もあります。インテル^® Xeon^® プロセッサ（Broadwell-EP）の場合、UP(Uni Processor)対応の Xeon^® E5-1620 v4 / E5-1630 v4 は、僅か 10MB しかありません。できれば、15MBある E5-1650 v4 や、20MB ある E5-1660 v4 以上を選択したいところです。 DP(Dual Processor)対応の Xeon^® E5-26xx v4 プロセッサの場合は、一番最下位の E5-2603 v4 でも 15MB のキャッシュがあります。中には、E5-2623 v4 のように 10MB しかないものもかありますが、E5-2630 v4 以上のプロセッサは、キャッシュが 25MB （最大55MB）もあり、CPU～GPU間の速度は向上するものと考えられます。 ■ プロセッサの動作周波数プロセッサの動作周波数のことが、一番最後になってしまいましたが、勿論速ければ速い方が理想的です。しかしながら、深層学習の計算は、プロセッサに処理時間のかかる浮動小数点演算を大量に行わせる訳ではありませんので、あまり大きな問題ではありません。それよりも、GPUとの間で高速にデータをやりとりすることが重要となりますので、Thread数とか、キャッシュ容量の方を優先してください。 ■ まとめ（プロセッサ） GPUの場合は、Compute Capability は 3.0 以上という条件がありますが、プロセッサの方は厳密な規定はありません。 https://developer.nvidia.com/deep-learning-getting-started 開発環境を構築するのに少々時間はかかってしまい、決して快適な環境とは言えませんが、極端な話、インテル^® Core™ i3 プロセッサや、これ以下の仕様の Pentium^®、Celeron^® プロセッサでも、Deep Learning 開発マシンを構築することは可能です。そのため、第６世代 Core™ i7-6600 番台（Skylake）や、Intel^® Xeon^® Processor E3 v5 Family (Skylake、E3-12xx v5)でも、GPUは一枚しか搭載しないという条件であれば、全く問題なく Deep Learning 用のPCとして使うことが可能です。しかしながら、最初から GPU を 2枚は搭載したいという場合や、将来、２枚に増設するかもしれないという場合は、［PCI Express レーンの最大数］が40レーンあるハイエンド・デスクトップ用プロセッサ（Core™ i7-6800K、5820K を除く）や、 Intel® Xeon® Processor E5-2600 v4 Product Family を選択してください。 GPU を 3枚、4枚搭載したいという場合は、 Intel® Xeon® Processor E5-2600 v4 Product Family を２基搭載した DP（Dual Processor）サーバーや、100万円を軽く超えてしまうかなり高価なサーバーとなりますが、 Intel® Xeon® Processor E5-4600 v4 Product Family を４基搭載した MP（Multi Processor ）サーバーが必要となります。 ※ 参考ページ A Full Hardware Guide to Deep Learning (Tim Dettmers) ※ GPUを搭載していないけど、何とか CPUだけで Deep Learning を体験してみたいという方は、こちらを参考にしてみてください。 GPUなしのNVIDIA DIGITS3で始めるDeepLearning ソースからのコンパイルが必要ですが、DIGITS 4.0 も、GPU無しで動作するはずです。代表的な Deep Learning の Frameworks である Caffe も、デフォルトでは、GPU無しで動作する設定になっています。 ※ インテル^® Xeon^® プロセッサや、Xeon^® Phi™ x200 プロセッサ（Knights Landing）を使用した場合の Deep Learning 開発に関しての情報はこちらをご覧ください。先頭へ戻る

NVIDIA^® CUDA GPU driver
最新 CUDA GPU ドライバーのインストール	NVIDIA^® CUDA をインストールする前に、必ず NVIDIA^® のドライバーのバージョンを確認してください。最新のアーキテクチャーである Pascal Architecture を採用した GPU を使用した場合、このアーキテクチャーに対応した最新のドライバーをインストールしませんと、ディープラーニングを高速化、並びに最適化することができないことがあります。また、Pascal Architecture の GTX 1080 のような最新のGPU を Linux^® や Microsoft^® Windows^® をインストールした直後は、GPUのドライバーが自動的には入らず、文字入力も操作が重たくなってしまい、満足にできないようなことになってしまうことがあります。 NVIDIA^® CUDA をインストールしますと、CUDAに付属の少し古いドライバーに戻ってしまいますが、OSのアップデートが一通り終わりましたら、画面がサクサク動いてくれるように、まず、最新のGPUドライバーをインストールすることをお勧めいたします。 $ cat /proc/driver/nvidia/version NVRM version: NVIDIA UNIX x86_64 Kernel Module 367.35 Mon Jul 11 23:14:21 PDT 2016 GCC version: gcc version 4.8.4 (Ubuntu 4.8.4-2ubuntu1~14.04.3) 各GPU用の最新の Long Lived Driver は以下より、ダウンロードすることができます。 http://www.nvidia.co.jp/Download/index.aspx?lang=jp Fatal error: Uncaught Error: Undefined constant "php" in /virtual/htdocs/public_html/support/NVIDIA/Deep_Learning/Driver/NVIDIA_Deep_Learning_common_Driver.php:29 Stack trace: #0 /virtual/htdocs/public_html/support/NVIDIA/Deep_Learning/index.php(171): require() #1 {main} thrown in /virtual/htdocs/public_html/support/NVIDIA/Deep_Learning/Driver/NVIDIA_Deep_Learning_common_Driver.php on line 29