機械学習環境ベンチマーク

スポンサーリンク

これまでに当サイトでは以下のような機械学習環境構築について紹介してきました。

これらの実行速度をTensorflowのMNIST(機械学習のHello Worldと言える手書き文字認識)を使って比較した結果をまとめました。

MNIST実行時間一覧

MachineCompute EngineReal Time (s)
Google ColabCPU1694
GPU: Tesla K8053
TPU99
MacBook Pro 15-inch 2019 8-Core i9 9880H 2.3GHzCPU: 8-Core i9 9880H 2.3GHz401
MacBook Pro 15-inch Late 2013 4-Core i7 4850HQ 2.3GHz w/ GeForce GT 750MCPU: 4-Core i7 4850HQ 2.3GHz569
GPU: GeForce GT 750M 2GB424
MacBook Pro 15-inch Mid 2012 4-Core i7 3615QM 2.3GHz w/ GeForce GT 650MCPU: 4-Core i7 3615QM 2.3GHz872
GPU: GeForce GT 650M 1GB453
Jetson NanoGPU: GM20B908

まとめ

私が試した中では、Google Colabがダントツに速いという結果でした。

しかし、Google Colabのようなクラウドで実行する前にローカルでいろいろ試したいという方も多いのではないでしょうか。

その観点で一覧表を見ると、少し意外でしたが8-CoreのMacが最速で、次いでNVIDIA GPU搭載の古いMac(2機種試しましたが同程度)となりました。

意外と書いたのは、最近のMacはNVIDIA搭載のものは無いため、8-CoreのMacはCPUのみで処理した結果です。

いくらコア数が多いとはいえ、大量の積和演算を繰り返すにはGPUのような専用ハードの方が速いだろうと予想していたためです。

古いMacは既に中古でしか手に入りませんが、オークションサイトなどで安ければ6〜8万くらいで買えそうです。(2020年11月現在)

8-CoreのMacは中古でも20万以上かかると思いますので、機械学習に使うには古いMacはコスパが良いと言えそうです。

ただし、この記事に書いたように環境構築はとても面倒です。

Jetson-NanoはMacには及ばない結果でしたが、新品で1万5千円、中古で8〜9千円くらいなので、低予算で始めるにはコレ1択になりますね。

Jetson-Nanoは環境設定も比較的簡単ですので、これから機械学習を始める方には特にオススメです。

タイトルとURLをコピーしました