# 【Google Colab】 上システム・ベンチマークを比較してみた > Google Colab を活用して、Python を使ったシステム情報の取得や CPU / GPU のベンチマークを行いました。 - Canonical: https://c-a-p-engineer.github.io/python-colab-benchmark-comparison/ - Published: 2025-02-18T17:30:00.000Z - Modified: 2025-02-18T17:30:00.000Z - Categories: Python - Tags: Python Google Colab を活用して、Python を使ったシステム情報の取得や CPU / GPU のベンチマークを行いました。今回は「ローカルランタイム」、「CPU 専用環境」、「GPU 専用環境」、「TPU 環境」といった各環境の詳細情報と実行時間を比較し、その結果をまとめています。 ## Python コード例 以下のコードは、システム情報（OS、CPU、メモリ、GPU）を取得し、CPU と GPU の行列積ベンチマークを実施するものです。 ```python import platform import psutil import tensorflow as tf import numpy as np import time import subprocess def get_size(bytes, suffix="B"): """バイト数を適切な単位に変換する関数""" factor = 1024 for unit in ["", "K", "M", "G", "T", "P"]: if bytes < factor: return f"{bytes:.2f}{unit}{suffix}" bytes /= factor # --- OS 情報 --- print("========== OS 情報 ==========") uname = platform.uname() print(f"System : {uname.system}") print(f"Node Name : {uname.node}") print(f"Release : {uname.release}") print(f"Version : {uname.version}") print(f"Machine : {uname.machine}") print(f"Processor : {uname.processor}\n") # --- CPU 情報 --- print("========== CPU 情報 ==========") print(f"Physical cores : {psutil.cpu_count(logical=False)}") print(f"Total cores : {psutil.cpu_count(logical=True)}") cpufreq = psutil.cpu_freq() print(f"Current Frequency: {cpufreq.current:.2f} Mhz") print("CPU Usage Per Core:") for i, percentage in enumerate(psutil.cpu_percent(percpu=True, interval=1)): print(f" Core {i}: {percentage}%") print(f"Total CPU Usage: {psutil.cpu_percent()}%\n") # --- Memory 情報 --- print("========== Memory 情報 ==========") svmem = psutil.virtual_memory() print(f"Total : {get_size(svmem.total)}") print(f"Available : {get_size(svmem.available)}") print(f"Used : {get_size(svmem.used)}") print(f"Percentage: {svmem.percent}%\n") # --- GPU 情報 (nvidia-smi を使用) --- print("========== GPU 情報 ==========") try: gpu_output = subprocess.check_output( ["nvidia-smi", "--query-gpu=name,driver_version,memory.total,memory.used,memory.free,temperature.gpu,utilization.gpu", "--format=csv,noheader"], universal_newlines=True ) print(gpu_output) except Exception as e: print("GPU 情報の取得に失敗しました:", e) # --- CPU ベンチマーク (NumPy 行列積) --- def benchmark_cpu(): print("----- CPU ベンチマーク (NumPy 行列積) -----") A = np.random.rand(1000, 1000) B = np.random.rand(1000, 1000) start = time.time() _ = np.dot(A, B) end = time.time() print(f"実行時間: {end - start:.4f} seconds\n") # --- GPU ベンチマーク (TensorFlow 行列積) --- def benchmark_gpu(): print("----- GPU ベンチマーク (TensorFlow 行列積) -----") gpus_tf = tf.config.list_physical_devices('GPU') if not gpus_tf: print("GPU が検出されませんでした。") return # ランダムな行列の作成 A = tf.random.normal([1000, 1000]) B = tf.random.normal([1000, 1000]) # ウォームアップ _ = tf.matmul(A, B) start = time.time() C = tf.matmul(A, B) _ = C.numpy() # 計算完了を待つ end = time.time() print(f"実行時間: {end - start:.4f} seconds\n") benchmark_cpu() benchmark_gpu() ``` ## 結果 上記のコードのCPUでの実行結果は以下のようになります。 ```md ========== OS 情報 ========== System : Linux Node Name : 07de74ea16c1 Release : 6.1.85+ Version : #1 SMP PREEMPT_DYNAMIC Thu Jun 27 21:05:47 UTC 2024 Machine : x86_64 Processor : x86_64 ========== CPU 情報 ========== Physical cores : 1 Total cores : 2 Max Frequency : 0.00 Mhz Min Frequency : 0.00 Mhz Current Frequency: 2200.21 Mhz CPU Usage Per Core: Core 0: 30.3% Core 1: 16.0% Total CPU Usage: 19.9% ========== Memory 情報 ========== Total : 12.67GB Available : 10.93GB Used : 1.44GB Percentage: 13.8% ========== GPU 情報 ========== GPU 情報の取得に失敗しました: [Errno 2] No such file or directory: 'nvidia-smi' ----- CPU ベンチマーク (NumPy 行列積) ----- 実行時間: 0.1201 seconds ----- GPU ベンチマーク (TensorFlow 行列積) ----- GPU が検出されませんでした。 ``` ## 各環境の比較結果 以下の表は、ローカルランタイム、CPU 専用、GPU 専用、TPU 環境のシステム情報とベンチマーク結果の比較です。 ~~自分のマシンが思った以上に貧弱でショックです…~~ | 項目 | ローカルランタイム、CPU | CPU 専用環境 | GPU 専用環境 | TPU 環境 | |--------------------|-----------------------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------| | **OS 情報** | Linux
WSL2: 5.15.167.4-microsoft-standard-WSL2
#1 SMP Tue Nov 5 00:21:55 UTC 2024 | Linux
6.1.85+
#1 SMP PREEMPT_DYNAMIC Thu Jun 27 21:05:47 UTC 2024 | Linux
6.1.85+
#1 SMP PREEMPT_DYNAMIC Thu Jun 27 21:05:47 UTC 2024 | Linux
6.1.85+
#1 SMP PREEMPT_DYNAMIC Thu Jun 27 21:05:47 UTC 2024 | | **CPU 情報** | 6 physical / 12 logical
Current Frequency: 1608.00 Mhz
Total Usage: 4.7% | 1 physical / 2 logical
Current Frequency: 2200.21 Mhz
Total Usage: 19.9% | 1 physical / 2 logical
Current Frequency: 2000.11 Mhz
Total Usage: 81.9% | 48 physical / 96 logical
Current Frequency: 2000.21 Mhz
Total Usage: 1.6% | | **Memory 情報** | 15.62GB total
12.02GB available
3.14GB used (23.1%) | 12.67GB total
10.93GB available
1.44GB used (13.8%) | 12.67GB total
11.32GB available
1.05GB used (10.7%) | 334.56GB total
329.65GB available
2.73GB used (1.5%) | | **GPU 情報** | NVIDIA GeForce GTX 1650 with Max‑Q Design
Driver: 551.86
4096 MiB total, 577 MiB used, 3362 MiB free
Temp: 58°C, 23% utilization | GPU 情報取得失敗（nvidia-smi が存在しない） | Tesla T4
Driver: 550.54.15
15360 MiB total, 0 MiB used, 15095 MiB free
Temp: 48°C, 0% utilization | GPU 情報取得失敗（nvidia-smi が存在しない） | | **CPU ベンチマーク** | 0.1532 seconds | 0.1201 seconds | 0.1401 seconds | 0.0067 seconds | | **GPU ベンチマーク** | 0.0740 seconds | GPU 非検出 | 0.0203 seconds | GPU 非検出 | ## まとめ 今回の実験では、Google Colab 上で各種環境のシステム情報やベンチマーク結果を Python を使って取得しました。 - **ローカルランタイム** では GPU 情報が正しく取得され、CPU・GPU 両方のベンチマーク結果が得られました。 - **CPU 専用環境** では GPU 情報が取得できず、GPU ベンチマークは実施されませんでした。 - **GPU 専用環境** では Tesla T4 により高速な GPU ベンチマーク結果が得られました。 - **TPU 環境** は CPU ベンチマークのみとなり、GPU 情報の取得はできませんでした。 各環境ごとに使用状況や性能が大きく異なるため、用途に合わせた環境選択が重要です。