Senin, 03 Juli 2017

Merancang Workstation Untuk Machine Learning

Berikut ini corat-coret rancangan sebuah workstation untuk melakukan perhitungan machine learning yang 'proper'. Sekedar untuk tahu saja, berapa ongkos yang mesti dikeluarkan kalau mau melakukan penelitian Deep Learning secara serius.

Idealnya untuk komputasi deep learning enaknya menggunakan GPU terbaik sekencang mungkin, dan sebanyak mungkin. Solusinya antara lain adalah DGX-1 seharga USD 129000,- buatan Nvidia berikut ini.

Jika mau agak membumi, bisa pakai komputer buatan Brutalis yang dapat diisi 8 card GPU, dengan harga USD 21169


sumber: https://twitter.com/jmgosney/status/858397478030364673

Namun pada tulisan ini saya ingin mencoba membuat rancangan workstation dengan menggunakan komponen yang dijual di toko komputer online di Indonesia.


Kebutuhan/ Requirement:
  • Multi GPU, kalau bisa sebanyak mungkin GPU dalam 1 workstation. Setiap GPU juga mesti mendapat kanal PCIe yang cukup, minimal 8 lane, kalau bisa 16. Jadi tidak bisa pakai mainboard yang hanya punya beberapa kanal PCIe 1x
  • GPU pakai yang paling cepat saat ini: GTX 1080 Ti. GPU ini ukurannya besar, sehingga memakan 2 slot PCI yang bersebelahan. Titan X memorinya lebih besar, namun harganya beda jauh dengan GTX 1080 Ti. Vendor GPU bisa mana saja, tapi kalau bisa cari yang clocknya paling tinggi dan kipasnya banyak / kuat.
  • CPU mesti support banyak PCI lane. Kecepatan CPU kadang-kadang berpengaruh, karena dalam beberapa aplikasi walaupun komputasi banyak di GPU, namun transfer data dan pengolahan data masih menggunakan CPU.
  • RAM : ada yang menyarankan RAM 2x memori GPU. Jadi sekitar 11 GB x 4 x 2 = 88 GB. Angka ini mungkin tidak praktis, karena mainboard 'biasa' hanya sampai 64 GB. 
  • HDD: menggunakan SSD untuk menampung data machine learning, dan HDD magnetic untuk menyimpan data lain yang tidak terlalu kritis
  • Power supply mesti cukup untuk mainboard + 4 GPU
  • Komponen tersedia di toko online Indonesia, tidak usah impor khusus
Kandidat:
  • Mainboard dengan socket LGA 2011-v3 supaya mendukung banyak PCI lanes (40) . Kandidat: ASUS X99E WS https://www.asus.com/Motherboards/X99E_WS/ posisi PCIe socket sudah dirancang untuk 4 GPU.
  • Prosesor i7-4820K https://ark.intel.com/products/77781/Intel-Core-i7-4820K-Processor-10M-Cache-up-to-3_90-GHz
  • Power Supply  : TDP CPU sekitar 130 W, setiap GPU perlu 180 W, total 850 W. Untuk amannya pakai power supply 1200 W -> ini PSU dengan ukuran terbesar yang dijual online.
  • RAM: pakai 8GB x 8 keping, merek apa saja
  • SSD: 1 TB, mengingat kebanyakan dataset ukurannya tidak sampai 1 TB
  • HDD: 8 TB, mengingat ini ukuran HDD terbesar yang dijual di pasaran
  • Casing: pakai apa saja
  • Perhitungan belum termasuk aksesoris seperti monitor, keyboard, mouse, UPS, sistem operasi dan sebagainya


Mainboard ASUS X99E WS

Update 2018
  • di tahun 2018 socket LGA2011-v3 sudah ada penerusnya, yaitu LGA2066 dengan PCIe lanes sebanyak 44 (Core i9) atau 48 (Xeon).
  • Mainboard dengan socket LGA2066 di antaranya Asus X299 SAGE
  • Prosesor yang cocok di antaranya Intel Core i9-7900X

Mainboard ASUS WS X299 SAGE

GPU GTX 1080 Ti papan atas, harganya juga premium (sekitar Rp 14 juta):

Asus GTX 1080 Ti
Berikut ini GPU GTX 1080 Ti yang harganya sedikit lebih murah dibandingkan keluaran Asus (sekitar Rp 12 juta):

Zotac GTX 1080 Ti

Power Supply 1200 watt

Perhitungan Biaya

Item Type Qty Price Subtotal
Mainboard Asus X99-E WS 1 8870000 8870000
CPU i7 -5930K 1 8400000 8400000
GPU GTX 1080 Ti 4 14000000 56000000
PSU Cooler Master Vanguard 1200W 1 4040000 4040000
RAM 8GB 8 900000 7200000
SSD 1 TB 1 4000000 4000000
HDD 8 TB 1 5000000 5000000
Casing 1 1500000 1500000
 TOTAL 95010000


Referensi

Tidak ada komentar:

Posting Komentar