動物行動解析や神経科学研究で広く利用されるDeepLabCutに最適なワークステーション構成です。
DeepLabCutは高解像度の動画や大量の画像データを扱うため、GPUに搭載されたVRAM (ビデオメモリ) が重要です。GPUを利用することで、学習や推論の処理がCPUのみの場合と比べて高速になります。
Computer Hardware:
Ideally, you will use a strong NVIDIA GPU with at least 8GB memory. A GPU is not necessary, but on a CPU the (training and evaluation) code is considerably slower (10x) for ResNets, but MobileNets are faster (see WIKI). You might also consider using cloud computing services like Google cloud/amazon web services or Google Colaboratory.
参考：How To Install DeepLabCut — DeepLabCut
本構成では、コア数とクロックのバランスを意識したIntel Core Ultra 9 285Kの採用に加えて、NVIDIA GeForce RTX5090 32GBを採用しています。
| CPU | Intel Core Ultra 9 285K 3.70GHz(8C/8T)+3.20GHz(16C/16T) |
| メモリ | 合計128GB DDR5 6400 32GB x 4 |
| ストレージ | 1TB SSD M.2 NVMe Gen4 |
| ビデオ | NVIDIA GeForce RTX5090 32GB |
| ネットワーク | on board(2.5GBase-T x1) Wi-Fi，Bluetooth |
| 筐体+電源 | ミドルタワー筐体 1500W 80PLUS PLATINUM |
| OS | Microsoft Windows 11 Professional 64bit |
関連情報
DeepLabCut ターンキーシステム (KineAnalyzer × DeepLabCut)
- DeepLabCut用のハードウェア導入に関するヒント
- DeepLabCutによる動画学習を複数のGPUで動かしてみた
- DeepLabCutにタイピング動画を学習させてみた
- DeepLabCutにおける学習精度の改善
- DeepLabCut 解像度別GPU別のトレーニング時間比較と最適なGPUスペックについて
|
■ このPC事例に関する詳細、お問い合わせはこちら
※事例の名称またはご希望の条件などをご記入ください。 |
