著者:falcon
AWS Activate利用開始！
先日の記事でお伝えしたAWS上のリッチな環境の正体は、AWS Activateです。Deep30さんのご紹介で、2018年末から利用可能になりました。これで思う存分AWSのリソースを活用する環境が整いました。先日から使い始めたDGX-STATIONは社内でガンガンモデルの学習を回す為に使い、AWSは社外の方々と協力が必要なプロジェクト用に最大限活用する予定です。
著者:falcon
NVIDIA DGX-STATION納入
2019年2月5日15:00、待ちに待ったNVIDIA DGX-STATIONが納入されました！
Tesla V100/32GBを4台装備した水冷マシン(!)は、非常に静音で我々の小さなオフィスに置いても全く問題ありませんでした。空調の音の方がうるさいくらいです。このモンスターマシンを1.5人のエンジニアが自由に使いたい放題使って、新しいモデルの開発や、お客様の問題解決を進めて参ります。ご期待下さい！
何故速いマシンが大事なのか？
ディープラーニング活用POC（概念実証実験）には、どうしても試行錯誤が必要です。人間の思考を速くすることは難しいですが、モデルの学習はH/Wの力を借りて直ぐに速度を向上させることが出来ます。探索範囲を深くすること・広げること、そのどちらにも高速なGPUが必須です。
ディープラーニングPOCの典型的なステップ
- 課題理解・選択
- データ確認
- 手法検討
- モデル実装
- 実験（モデル学習）
- 評価
上記ステップの３，４，５，６を繰り返すことでモデルの精度向上をしていきます。残念ながら一度で良いモデルが出来る確率は低いので、時間の許す限り試行錯誤をすることがモデル構築側の責任だと思います。残念ながら手法の検討や評価は人間が行うもので、いくら頑張ってもなかなか速くはなりません。ところが５の実験（モデル学習）については速いマシンがあれば即速く出来ます。良い手法を思いつくことは何よりも大事ですが、データを使ってそれを実証するためには、速いマシンが非常に重要です。
発注側は、エンジニアリング側が実験に使用するハードウエアがどの程度のものであるか、さらにこのプロジェクトでそれをどの程度占有出来るのか、という点に注意するべきでしょう。
我々コネクトーム・デザインは、このモンスターマシンとAWS上のリッチな環境をガンガン利用して、どんどん先に進んで参ります。