研究PC関連更新情報

2019.06.12

【記事】「Metashape」のクラスタ構成での処理速度測定と傾向検証 (前編)

metashape_report_title.jpg

弊社でも引き合いをいただく事が多いMetashape (旧Photoscan)ですが、実はネットワークを組む事でクラスタ構成でも処理ができるソフトとなります。
以前にはPhotoScanでのGPUなどにおける処理速度の測定を行った事がありますが、ではクラスタ構成にした場合はどのような傾向になるのか...という事を検証してみました。


検証環境について

今回のテストに使用したクラスタ構成は以下の環境となります。
下記システムを4台用意しまして、3台は完全にクラスタノードとして動作させ、
1台はMetashape用のServe兼ストレージサーバー兼ノードとしての検証となります。

クラスタシステム
CPU Intel Core i9 9900K (3.60GHz/TB5.0GHz, 8C/16T)
メモリ 40GB
SSD 1TB S-ATA
GPU Geforce RTX 2080Ti × 1
LAN Onboard(1GbE)
OS Microsoft Windows 10 Professional 64bit
Metashape Ver 1.5.2.7838

また比較用としまして、1台単独で動作させた以下 仕様のマシンでのデータも参考として表示します。

比較用単体システム
CPU Intel Xeon W-2155 (3.30GHz/TB4.50GHz, 10C/20T)
メモリ 256GB
SSD 1TB M.2
GPU Geforce RTX 2080Ti × 2
OS Microsoft Windows 10 Professional 64bit
Metashape Ver 1.5.2.7838


処理内容について

まずは、前回のテストでも利用したメーカー(Agisoft)が公開しているサンプルデータのDoll (Agisoft データダウンロードページ) で、①MatchPhotos ②AlignCameras ③BuildDepthMaps ④BuildDenseCloud ⑤BuildModel ⑥BuildUV ⑦BuildTexture の処理を実施しました。

photoscan_doll.jpg

※なお実施した処理は以下のパラメーターでの実施となります。
Aligen Photos : Highest
Build Dense Cloud : Ultra High
Build Mesh : Arbitray&Ultra High
Build Texture : Generic



処理結果について

以下がサーバーログで ①MatchPhotos~⑦BuildTexture までの一通りのトータル処理時間を計算した結果のグラフとなります。

metashape_report_img1-640x345.jpg

(Y軸=経過時間 : グラフが長いほど処理に時間がかかっている)

クラスタ 1台 (RTX 2080Ti × 1) 20分35秒
クラスタ 2台 (RTX 2080Ti × 2) 18分33秒
クラスタ 3台 (RTX 2080Ti × 3) 17分09秒
クラスタ 3台 + サーバー兼用 1台 (RTX 2080Ti × 4) 16分44秒
比較用単体システム (RTX 2080Ti × 2) 20分03秒


クラスタ1台での処理速度が少し遅いのが目につきますが、クラスタの結果を見た限りでは 台数に応じて速度が速くなっています。ただ、GPUの枚数による差が少なく見え、果たしてクラスタ構成処理の効果があるのか...?という疑問がでてきます。

そこで、上記の処理時間についてログを確認し、Metashapeの各フェーズと思われる部分の実施結果ごとにデータをまとめてみました。この結果が以下のグラフとなります。

metashape_report_img2-1.jpg
#単独システムの場合はログの出方が異なるため、上記のグラフには載せていません。

この分布から判断しますと前半の ①MatchPhotos~④BuildDenseCloud までの処理速度は、ある程度GPUやクラスタ台数のスケールを反映していますが、⑤BuildModel~⑦BuildTexture までについてはクラスタ台数によっての速度はあまり変わらないという結果になりました。
なお実際の検証時には計測中の負荷を確認していたのですが、⑤BuildModel~⑦BuildTexture のあたりの処理はすべて1台のクラスタノードでのみ実施されており、他のクラスタノードでは処理がされていないという状況が確認できました。

 
そしてもう一つ気になる点として、それぞれのフェーズにかかる時間にも注目する必要があります。
今回の計測では⑤BuildModel~⑦BuildTexture の時間が今回テストしたトータル処理時間の50%以上をしめています。

ここで最初に示した ①MatchPhotos~⑦BuildTexture までの一通りの処理時間を計算した結果のグラフを再度確認していただきたいのですが、本来であればGPUを2枚搭載したかなりのハイスペックであるはずの比較用単体システム(紺色のグラフ)ですが、実際には同じくGPU2枚のクラスタシステム2台(水色のグラフ)での処理よりも時間がかかっているという結果が出ていました。この原因を考えた場合に、比較用単体システムとクラスタシステムとの間でのGPU枚数以外のスペック差が、トータル処理時間の50%を占める⑤BuildModel~⑦BuildTexture の処理において、大きく影響しているのではないかと推察されました。

それを前提にスペック比較したところ、CPUにその要因があるように見受けられました。
改めて2つのCPUを比較して見てみます。

クラスタシステム
CPU Intel Core i9 9900K (3.60GHz/TB5.0GHz, 8C/16T)

比較用単体システム
CPU Intel Xeon W-2155 (3.30GHz/TB4.50GHz, 10C/20T)


クラスタ側のTB (Turbo boost)が 5.0GHzで動作するのに対して、単体システム側はTB 4.50GHzでの動作となっています。つまり⑤BuildModel~⑦BuildTexture については、CPUの単独クロックが処理速度に対して特に有効となるという推測が成り立ちます。


では⑤BuildModel~⑦BuildTextureを、今回の例より十分に多いコア数優先の処理 にした場合にどうなるのか...?という疑問が発生します。
この疑問については近日公開いたします"「Metashape」のクラスタ構成での処理速度測定と傾向検証 (後編)"でのオルソ画像処理の一連のバッチ処理の検証結果と共にご報告します。

■ 2019年6月28日追記  : 後編記事を公開しました!

■ 2019年7月11日追記  : こちらの検証に利用したクラスタノードPCを事例として公開しました

海外製品調達ユニポス

2019.06.12

右目単眼タイプ スマートグラス「Vuzix Blade Smart Glasses」を追加しました

ユニポスWEBサイトに、右目単眼タイプ スマートグラス
Vuzix Blade Smart Glasses(ビュージックス ブレード スマートグラス)
ページを追加しました。


vuzix_blade_img.jpg

Vuzix Blade Smart Glasses(ビュージックス ブレード スマートグラス) は、
一見サングラスのように見えますが、モバイルコンピューティングの要件に
合致した製品です。
Vuzix Blade Companion Appを利用し、スマートフォンを介した音声、画像、
文字などのデータ送受信をフレーム脇のコントロールパネル(タッチパッド)
で操作し、レンズの内側に表示された映像を確認することができます。

例えば、天気予報や渋滞情報の確認、移動中のナビゲート(道案内)を受ける、
あるいは、搭載カメラを利用し、HD写真の撮影・ビデオ録画をし、
ソーシャルネットワーク等へ簡単に情報をアップすることができます。

■Blade スマート グラスの仕様

【セット内容】
・BLADE Smart Glasses本体
・BLADE 専用ケース
・Wired headphone dongle (micro-USB to 3.5mm and micro-USB)
・micro-USB to USB Cable
・Bluetooth headphones
・Microfiber cleaning pouch
・マニュアル

【仕様】
GENERAL:
- Support: Right-eye only (右目単眼)
- CPU: Quad Core ARM A53
- RAM: 1GB
- Flash Memory: 8GB
- Weight: 90g
- Android OS

OPTICS:
- Optics: Vuzix Waveguide
- Display Resolution: 480 x 480
- Aspect Ratio: 1 : 1
- Contrast Ratio: Transparent Display
- Color: 24 bit color
- Field of View: 19 degree with adjustable 28 degree window.
- Camera:800万画素
- Video: 720p 30fps / 1080p 24fps 対応
- Cobra II DLP based display
- Vibrant full-color DLP display

Audio:
- Micro USB ear-phone jack
- Bluetooth
- Noise canceling microphone

Controls:
- Touch pad with gesture
- Head motion trackers
- Haptic vibration alert
- Remote control app for Android & iOS device

Connectivity:
- MicroSD expansion slot
- Wi-Fi and BT wireless
- Micro USB

Versatile Eyeglass Options Available:
- Prescription inserts
- All lenses standard UV protection

Battery:
- 内蔵リチウムポリマー充電式バッテリー

■商品の詳細、お問い合わせはこちら
Vuzix Blade Smart Glasses
メーカー (Vuzix Corporation) WEBサイト

産業PC関連更新情報

2019.06.11

【新着事例】インタラクティブコンテンツ展示用WS例


テグシスWEBサイトに、
「インタラクティブコンテンツ展示用WS例」の事例をアップしました。


pc-6843.jpg

お客様より、インタラクティブコンテンツの展示を行うマシンのご相談をいただきました。
テグシス掲載の事例 (PC-4917) をベースに、CPU、メモリをスペックアップし、
Unity、TouchDesigner といったソフトウェア使用のためにGPUを追加搭載しました。
また定常稼動PCのため、電源を冗長したいとのご希望もいただきましたので、
リダンダント電源を搭載しております。

なお元の事例 PC-4917では
ファクトリーコンピュータとして熱への強さも考慮していましたが、
こちらの構成のマシンに関しては、
PC-4917よりも高スペック化した影響で発熱量が上がっているため、
一般的な室温管理下でのご利用をお願いしています。


【主な仕様】

CPU Core i7 9800X (3.80GHz 8コア)
メモリ 16GB (4GBx4)
ストレージ SSD 250GB(S-ATA)
ネットワーク GigabitLANx1
ビデオ NVIDIA Geforce RTX 2060 6GB
筐体+電源 4Uラックマウント筐体 (幅483 x 高さ177 x 奥行 505mm)
+550W リダンダント電源 (※)
OS Windows 10 Professional 64bit

リダンダント電源:
電源ユニットを2台搭載し、片方の電源系に異常が発生したとしても、
もう一方に給電され続け、PCとして稼働し続けます。
また、両肺通常運転時には消費電力分散の動きをします。


■ このPC事例に関する詳細、お問い合わせはこちら
インタラクティブコンテンツ展示用WS例

海外製品調達ユニポス

2019.06.10

Google Edge TPU搭載の開発ボード「Google Coral Dev Board」を追加しました


ユニポスWEBサイトに、Google Edge TPU搭載の開発ボード
Google Coral Dev Board のページを追加しました。


coral_dev_board_img.jpg
Coral Dev Boardは、
IoTなどのエッジデバイス向けのGoogle Edge TPU (Tensor Processing Unit)搭載の
シングルボードコンピュータです。
SoM (システムオンモジュール) により、オンデバイス機械学習推論アプリケーションを
試作することができます。

Edge TPU の利点:
・TensorFlow Lite サポート (デバイス上で推論を短時間で実施)
・低電力
・省スペース


【取り扱い製品の一例】

■ Coral Dev Board
NXP Semiconductors社のi.MX 8Mをコアとして1枚のボードに統合した小型コンピュータで、
Google Edge TPU 搭載はじめ、USB 2.0 / 3.0ポート、
DSI(Display Serial Interface)、CSI-2(Camera Serial Interface)等、
製品開発に必要な複数のインターフェースを有しています。

【主な仕様】
Edge TPU Module
- CPU: NXP i.MX 8M SOC (quad Cortex-A53, Cortex-M4F)
- GPU: Integrated GC7000 Lite Graphics
- ML accelerator: Google Edge TPU coprocessor
- RAM: 8GB eMMC
- Flash memory: 8 GB eMMC
- Wireless: Wi-Fi 2x2 MIMO (802.11b/g/n/ac 2.4/5GHz) Bluetooth 4.1
- Dimensions: 48 x 40 x 5(mm)

Baseboard
- Flash memory: MicroSD slot
- USB: Type-C OTG Type-C power Type-A 3.0 host Micro-B serial console
- LAN: Gigabit Ethernet
- Audio: 3.5mm ayduo jack / 4 pin stereo terminal
- Video: HDMI 2.0a (full size)
- GPIO: 3.3V
- Power: 5V DC (USB Type-C)
- Dimensions: 88 x 60 x 24(mm)

Supported OS: Mendel Linux (derivative of Debian)
Supported Framework: TensorFlow Lite
Languages: Python and C++

メーカーページのFAQに詳細な情報が掲載されております。


■ Coral USB Accelerator
Raspberry Pi や Linuxコンピュータで動作させる機械学習のためのUSB Acceleratorです。
Googleのエッジで推論を行うために設計された Edge TPU を、対応するLinuxコンピュータに
接続することで、デバイス上で ML推論を実行することが容易になります。

【主な仕様】
ML accelerator: Google Edge TPU coprocessor
Connector: USB Type-C* (data/power)
Dimensions: 65 x 30 (mm)
Operating Systems: Debian Linux
* Compatible with Raspberry Pi boards at USB 2.0 speeds only.


■商品の詳細、お問い合わせはこちら
Coral Dev Board / Google Edge TPU搭載の開発ボード
メーカー (Coral / 開発元 Google LLC.) WEBサイト

海外製品調達ユニポス

2019.06.08

Proteome Profiler Antibody Array用 解析ツール「Quick Spots Tool」を追加しました


ユニポスWEBサイトに、Proteome Profiler Antibody Array用 解析ツール
Quick Spots Tool
のページを追加しました。


quick_spots_tool_image.jpg

Quick Spots Tool は、
R&D Systems社のProteome Profiler 抗体アレイの測定結果を
処理・解析するためのソフトウェアツールです。

Western Vision Software 社製の
マシンビジョンおよびイメージプロセッシング用ソフトウェア HLImage++ 上で
利用可能なカスタムツールの一つであり、
Proteome Profilerのアレイごとのテンプレートがあらかじめ用意されているため、
テンプレート設定の必要が無く素早く簡単に解析を行うことが可能です。

Quick Spots Toolは、Proteome Profiler専用にカスタマイズされたバージョンの
HLImage++と共に提供されます。


■商品の詳細、お問い合わせはこちら
Quick Spots Tool | Proteome Profiler Antibody Array用 解析ツール
メーカー(Western Vision Software) WEBサイト

ページの先頭へ