機械学習、ディープラーニング、AI、ビッグデータ、OpenCLなどなど、プログラミングその他でNVIDIAのGPUやCUDAの情報が必要です。
NVIDIAのGPUアーキテクチャとCUDAのバージョン等の関係がよくわからないので、2020年現在のコンシューマーベースの情報としてまとめました。
ちょいちょい間違ってる可能性があるので、正確な情報はNVIDIAの公式情報を参照してください。
CUDAとは
Compute Unified Device Architectureの略で、NVIDIAのGPUを使ったプログラミングのプラットフォームのようなこと。
利用するにはCUDA Toolkitをお手持ちのパソコンにインストールする必要があります。
当然ながらNVIDIAのGPUが必要で、世代毎に利用出来るバージョン、機能が異なります。（ここがややこしい）
WindowsもしくはLinuxで利用可能で、Windowsなら対応バージョンのMicrosoft Visual Studioも必要になります。
CUDA Toolkitも世代毎に機能が変わり、GPUのアーキテクチャなどでCompute Capabilityのバージョンも変わります。
Compute CapabilityはSM versionとも呼ばれています。
アーキテクチャが進化すると数字が上がり、小数点は細かな機能追加のマイナーバージョンアップです。
NVIDIAのアーキテクチャ一覧
Hopper
?
Ampere
2020年
GeForce RTX 30?
Compute Capability 8
Turing
2018年
GeForce RTX 2080など
Compute Capability 7.5
Volta
2017年
NVIDIA TITAN V
Compute Capability 7
Pascal
2016年
GeForce GTX 1080 Tiなど
Compute Capability 6
Maxwell
2014年
GeForce GTX 750、GeForce GTX Titan Xなど
Compute Capability 5
Kepler
2012年
GeForce GTX 770など
Compute Capability 3
CUDA 10.0でサポート終了
Fermi
2010年
GeForce GTX 590など
Compute Capability 2
CUDA 8.0でサポート終了
Tesla
2007年
Compute Capability 1
CUDA 6.5でサポート終了
GPU導入、学習の始め方のポイント
NVIDIAのGPUは結構高いです。特に機械学習や最新のゲームを快適に遊ぶためのハイエンドのGPUは平気で10万円を超えます。こんなGPUを購入しても、2年後には新しいアーキテクチャのGPUが登場します。
例えば2年おきに20万円で最上位のビデオカードを投資すると、少なくともGPUだけで月に1万円弱の費用がかかります。
最先端の分野でバリバリやってる人なら、新機能を使うための投資としてはたいしたことないですが、これからデータサイエンティストやら何やらになるために、初めてプログラミングを勉強しようという方の投資対象としては適していません。
一番お得なのはJetson Nanoで本体のみなら1万円程度（もろもろ使える状態にするまでプラス1万円くらいから）でMaxwellアーキテクチャでの導入が出来ます。
GeForceを搭載するパソコンは10万円くらいからなので、プログラミングとかは出来るけど、CUDAもやっておこうかなという人含めて、いろいろやってみようという方にはこっちの方が良いでしょう。
ノートだと基本的にGPUの交換は出来ないので、デスクトップで定期的にGPUやらCPUを変更できる構成にしておくのも悪くないです。
2020年から始めるなら
下手に中古のPCやGPUを買っても最新版の機能は使えませんので、下手によくわからない変なのに手を出すならTuring世代のRTX20シリーズのGPUを搭載したPCを選んでおくのが無難です。15万円くらいからです。
CUDA C プロフェッショナル プログラミング impress top gearシリーズ
- 作者:John Cheng,Max Grossman,Ty McKercher
- 発売日: 2015/09/24
- メディア: Kindle版
