学習モデルを作るのとサービスリリース用の特徴と、サーバー利用のスケ感【動画#10】時間をとるのか、費用をとるのか
<AI開発で必要な2種類のサーバーとその特徴>
1. AI開発に必要なサーバー
①AIの学習モデルを作るサーバー
②サービスリリース用のサーバー
2. CPU環境/GPU環境のどちらの開発が良いか
①AIの学習モデルを作るサーバー:
<CPU>
メリット ➡︎ 費用がGPUよりも安い
デメリット ➡︎ 学習時間がGPUよりもかかる
<GPU>
メリット ➡︎ 学習速度がCPUよりも速い
デメリット ➡︎ CPUよりも費用が高い
※「時間をとるのか、費用をとるのか」でCPU、GPUのどちらを活用するべきなのかが判断される。
②サービスリリース用のサーバー:
<CPU>
連続値、離散値を返す処理だけあれば問題ない
<GPU>
セグメンテーション等の描写を行う場合は必須
3. サーバー費用について
もしまともな精度のモデルやサービスを提供する場合
<モデルを作成する最低費用>
月々10万以上かかる
<運用コスト最低費用について>
月々10万以上かかる
4. AI開発のサーバー利用 (スケジュール例)
①AIの学習モデルを作るサーバーを利用
②運用でサービスリリース用のサーバーを活用
③モデルのバージョンを変える(①と②をバージョンアップ)
➡︎サービスリリースした後に取得できるモデルにアダプトする必要がある。
※運用フェーズに、お金がかかることが多い。また、運用フェーズで時々に①と②を併用することがある。
<今回の総まとめ>
AI開発に必要なサーバー2つと、その特徴をしっかり理解して、スケ感をもって取り組めるようにしておこう。
次回、API開発で用いるフレームワーク例とAPI設計の仕方について、簡単にまとめる。
この記事が気に入ったらサポートをしてみませんか?