コンテンツへスキップ

EaseUS Todo Backup Free 12.5

昨年の9月にもメインPCの起動ディスクの容量アップを行っております。
参考記事:Windows起動ディスク交換

今回は、M.2 SSDを導入しました。
当然、SATA接続のSSDと比べて、起動時間なども体感で断然に早くなりました。

11.5では無料で利用出来たシステムクローンが、今回はFree版に含まれなくなりました。これは、残念ですが、優れた機能であり仕方がないです。

EaseUS Todo Backupを用いたシステムクローン

体験版が準備されていたので、体験版を用いて、システムクローンを実施します。

以下、実行時の画面コピーです。

システムコピーを選択し、コピー先のディスクを選択します。

BIOSより起動順序の変更

起動時に、「F2」や「DEL」キーを押下し、BIOSに入り、起動ディスクの変更を行い、クローンで作成したディスクよりWindowsを起動させます。

起動ディスクのサイズが、古いディスクのディスクサイズとなっているので、「ディスクの管理」より容量拡張を行います。

created by Rinker
イーフロンティア EaseUS
¥4,378 (2020/10/28 00:11:41時点 Amazon調べ-詳細)

その他Tips

古いディスクのパーティション削除(回復パーティション)

ディスク管理画面のGUIより削除できないパーティション(EFIシステムパーティション)は、コマンドラインでのパーティション開放が必要となります。
以下、パーティション削除に必要なコマンドです。

Diskpartコンソールに入り、パーティション操作をしたいDiskを選択します。selectディスクでディスク選択をすると、list diskで選択したディスクにアスタリスク(*)が表示されます。

選択したディスクで、削除対象パーティションをselectし、削除コマンドを実行します。

NVIDIA RTX 2060 SUPER と AMD Ryzen 5 3600X 導入

Intel Core i7-6700の環境に、NVIDIA RTX 2060 SUPERを導入しました。
参考記事: 2020年7月個人向け深層学習・機械学習向けGPU (NVIDIA RTX Voiceも利用)

新しいGPUを導入し、ネットゲームをしたところ、ラグがひどい状況。(画面がかくかくする)
少し調べたところ、GPUとCPUのアンバランスが原因でした。CPUは、それなりで十分と考えておりました。
ゲームのメインロジック部分、銃弾の軌道や当たり判定などの演算には、CPUが利用されており、GPUは描写。少し考えれば当然の事でした。
特に、ネットゲームでは、これらの速さなりが大切なようです。

仕方なく、CPUを交換しました。初めてのAMDです。
Ryzen 5 3600で良かったのですが、3600Xとの価格差が小さかったので、AMD Ryzen 5 3600Xを導入しました。CPUをRyzen 5よりも強力にする必要性を見つけられておりません。(Intel一本でしたが、AMDのRyzenは安定して動作しています)

気になったのはベンチマークを実行してみました。ローカル保存されたベンチマークテストであり、ネットゲームよりは、CPUの影響も小さいのかなとかんがえたのですが、興味もあり、ベンチマーク実施です。

ファイナルファンタジーXVベンチマーク

ファイナルファンタジーXVベンチマーク
ゲームをプレイしたことはないですが、色々なところで、このベンチマークが利用されているのを見ます。
結果はスコアー表示され、ゲームプレイの快適度を表示します。

インストール

ウェブよりベンチマーク媒体をダウンロードし、インストールします。

実行結果

実行ボタンをクリックして測定を性能測定を行います。 

3DMark

3DMark
定番のベンチマークとなります。

インストール

ウェブよりベンチマーク媒体をダウンロードし、インストールします。

実行結果

ベンチマーク結果纏め

GPU: NVIDIA 2060 SUPERFF XVベンチマーク3D Mark
Intel Core i7-670077316547
AMD Ryzen 5 3600X79247449

ローカルにダウンロードした媒体でのベンチマーク、予想とはことなり、多少ですが差分が出ました。ベンチマーク結果に差分が出るとは思わなかったので、びっくりな結果です。

オーディオテクニカのAT2020 USBにマイクスタンド導入

オーディオテクニカのAT2020 USBに付属してきたマイクスタンド、品質も良く形状もスマートで気に入っておりました。

ただ気になっていた点として、キーボードのクリック音でした。
PCのキーボードを利用しながら、マイクを利用する場面が多かったので、机に置くタイプの三脚にマイクだと、キーボードとマイクの距離が近く、キーボードのクリック音が大きかったです。
ノイズ除去をソフトウェア処理していますが、音源入力時点からノイズ入力を出来る限り抑えたいと考えておりました。

商品を選択しにくい現在のAmazonでマイクスタンドを探す

多くの在宅関係の商品が品薄な状態、品薄商品向けの類似商品の反映や、不自然なレビューなどでAmazonの信頼性が著しく低いです。
そもそもの出店されている商品の品質から疑う必要があります。
この点、ヨドバシカメラなどの大手通販サイトは厳選された商品が並んでおり、安心して購入できます。(現在は、品薄状態ですが)

多くの類似商品の中、選んだ商品は、Luling Arts マイクスタンドとなります。

  • audio-technica AT2020USB+ で利用出出来たとレビューを見た
  • Luling Arts製の上位モデルのマイクアームあり
  • 大手家電サイトでも取り扱われていた

2,800円で購入しました。

Luling Arts マイクスタンド アーム 卓上 開封

コンパクトな梱包で送付されてきました。
各パーツの梱包も丁寧でした。

一つ残念な点は、ポップガードがうまく固定できずに、開封30分以内には、パーツが壊れてしまい、利用できませんでした。↓↓

Luling Arts マイクスタンドのショックスタンドにAT2020を装着

付随のショックスタンドにオーディオテクニカのAT2020 USBを装着してみます。利用できるか確証ないまま購入したので、一番の関心事項でした。
ちょどよいホールド感で、どんな向きでも安心して利用できます。

数週間利用しましたが、アーム自体のバネもしっかりしていますし、アーム自体の強度も全く問題なく利用しています。
当初、さらに上位の1万円前後のマイクアームを探したりもしていましたが、今回の選択は安物買いの銭失いとなりませんでした。

多くの人が、在宅、Zoom、オンライン会議などで、Youtuberが直ぐに始められる環境が整ってきていますね。

余談ですが、気になるのは、仕事部屋のカメラの背景となる、部屋のインテリアです。

商品へのリンク

 

10万円でCPU、GPUをリフレッシュ

給付金もあり、10万円が一つの目安になると思います。

CPUの交換に伴って、マザーボードとメモリーも交換します。利用するCPUの世代に対応したマザーボードに交換する必要があり、メモリも利用できる周波数が高速化していたりと、現行製品に交換します。
GPUも交換対象としております。どちらかというと、GPUの交換がメインで、GPUの性能の足を引っ張らないように、CPUを変更といったモチベーションです。
今回の構成では、CPU交換に5万円、GPU交換に5万円で考えており、予算によっては別々にタイミングを見てアップグレードすればよいと思います。

現在のPC構成


CPU検討

現在利用のCPUがIntel第7世代のCPUなので、現在販売されているCPUを購入すれば、大幅な性能UPが期待できます。

CPUのメーカーですが、Intel社かAMD社の二つの選択肢になります。
Adobeの動画ソフトなりを利用することもあり、IntelのCPUを選びます。
AMDのおかげで、第10世代のIntel CPUはラインナップも価格も魅力的です。
(PC性能を多く用いるソフトの信頼性を考えるとIntelのCPUが無難となってしまいます)

i5とi7のCPUで迷いましたが、CPU自体も過剰スペックとなっている現状と、各種ベンチマークサイトを参考にi5を選択しました。

利用用途として、今まで古いCPUを利用し特段困った事もなかったので、交換せずに来ました。今回は、GPUの性能に合わせたCPUもアップグレードを考えました。
(外出自粛により、PCでゲームを始めたことが一番の理由です)

PCの主な利用用途

  • 機械学習、Yolo/Darknet、Kerasなどのフレームワークを用いた学習モデル作成
  • PCゲーム(Fortiniteなどヘビーでない分野)
  • Microsoft Office
  • 写真編集 Adobe Photoshop
  • 動画編集(たまに)Adobe Prime Pro
  • プログラミング
  • Office系ツール
  • ブラウジング

マザーボード検討

ケースの制約より、Mini-ITXの一択、CPUよりLGA 1200ソケットとなります。

現時点では、選択肢も少なく以下より選択する必要があり、価格よりASRock H470M-ITX/acを選択しました。
H470を選びましたが、H410でもよいと考えております。
H470とした理由は、CPUは長く使うので、後からマザーボードのみを交換するケースもなく、拡張性を見て考えました。(古い世代のマザーボードを探すのは難しいです)

  • M.2ソケット数(H410が1ソケット、H470が2ソケット)
  • 有線LANも2.5Gに対応

大抵は、MSI製を選択することが多いのですが、MSIからは、Z490チップセット製のマザーボードしか見つかりませんでした。

無線やBluetoothも不要であり、これらの機能が省かれた低価格版が出てこればと思います。

ASRock
H410M-ITX/ac
ASRock
H470M-ITX/ac
MSI
MEG Z490I UNIFY
参考価格13,00017,50031,500
チップセットINTEL H410INTEL H470INTEL Z490
M.2ソケット数122
有線LAN10/100/100010/100/1000/250010/100/1000/2500
オンボードRAID×
無線LANIEEE802.11a/b/g/n/acIEEE802.11a/b/g/n/acIEEE802.11a/b/g/n/ac/ax

GPU検討

こちらの記事を参照ください。
2020年7月個人向け深層学習・機械学習向けGPU (NVIDIA RTX Voiceも利用)

10万円でCPUとGPUの交換構成

現行新規
CPUIntel Core i7-6700Intel Corei5-10400F
CPU(コア/スレッド)4コア/8スレッド6コア/12スレッド
マザーボードMSI H110I PROASRock H470M-ITX/ac
M2.SSD1x 2280 Key M(PCIe Gen2 x 4)1 Ultra M.2 (PCIe Gen3 x4 & SATA3), 1 Ultra M.2 (PCIe Gen3 x4)
メモリ16GB(8GB×2枚)32GB(16GB×2枚)
GPUGeForce GTX 1660 SUPERGeForce RTX 2060 SUPER
GPUコア数14082176
GPUメモリ容量6GB8GB

GeFroceのGPUアップグレード検討

以前の検討:2019年8月個人向け深層学習・機械学習向けGPU
現在利用しているGPU:GeForce GTX 1660 SUPER 導入しました

現在、MSI GeForce GTX 1660 SUPER AERO ITX OCを利用しております。
6GB GDDR6のメモリ容量となります。23,122円で購入しました。

ディープラーニング(Deep Learning)深層学習、ニューラルネットワーク(ディープニューラルネットワーク、Deep Neural Network: DNN)による機械学習向けにGeForceを利用しておりました。
外出自粛や在宅勤務など、自宅で過ごす時間も増えて、Zoom, Skype, Microsoft Teams, WebExなどのオンラインでのコミュニケーションや、パソコンのゲームも行うようになりました。

  • YOLO, DarknetなどDNN実施時のGPUメモリ不足(out of memory)回避、メモリ不足回避の学習回数増加による学習時間増加
  • 画像関係のDNNでは、GPUメモリ不足により、満足に学習自体実行が出来ないケースあり
  • 趣味の範囲なので、過剰な投資は出来ない
  • PCでヘビーでないゲームを行う。モニタ出力にDisplayPortを利用したい
  • メモリ容量が増えるが目的
  • そして今回は、RTXを利用したい
    (NVIDIA RTX VoiceでZoomなどの際のノイズ除去を行いたい)
    NVIDIA RTX Voice 最強のノイズ除去

グラフィックカードのメーカーですが、NVIDIAかAMDとなり、それぞれNVIDIAからGeForce、AMDからRadeonがリリースされています。
各種ツールとの親和性を考えると、GeForce一択となりました。

NVIDIAのGeForce RTX 20XXシリーズ(2060 SUPER、2070、2060)やGeForce GTX 16XXシリーズ(1660 SUPER、1660 Ti、1660)が現行モデルとなります。

今回検討している、RTX20シリーズですが、深層学習用のテンソルコア(Tensor Core)搭載となります。4×4行列の積和算を4つ並列に行う事が出来るようになり、Tensor Coreを使えば、CNNの畳み込み高速化、メモリ転送の効率化などにより、前世代の Pascal GPU と比べて、学習(トレーニング)速度が4 倍になるようです。
Volta Tensor コア GPU が AI パフォーマンスの新記録を達成新しいウィンドウで開きます

消費電力も、現在のパソコンケースの電源サイズや電気料金にも影響するので、一応比較軸に入れます。消費電力とTDP:Thermal Design Power(熱設計電力)は混同されて利用されています。TDPは、電源および冷却に関する指標を示す数字となります。

NVIDIAのGPUコアは「CUDA(クーダ)コア」と呼ばれます。一般的には「シェイダープロセッサ(Shader Processor)」、「ストリームプロセッサ(Stream Processor)」などと呼びます。

GPU導入候補比較表

価格帯を考え、第一候補は、2060 SUPERと2060の価格差に価値があるかないかの判断となりました。パソコンパーツの需要が大きいようで、全体的に値段が高めです。3,000円から5,000円程度安く購入できるタイミングがあると思います。

GPUGeForce GTX 1660 SUPERGeForce RTX 2070 SUPERGeForce RTX 2070GeForce RTX 2060 SUPERGeForce RTX 2060
価格イメージ
2020/07
32,00065,50048,00046,50039,000
メモリサイズ6GB8GB8GB8GB6GB
メモリ規格GDDR6GDDR6GDDR6GDDDR6GDDR6
CUDA(SP数)14082560230421761920
消費電力125W235W175W175W160W
サイズ204x128x42 mm258x127x43 mm232x127x42 mm205x127x43 mm216x132x42 mm

MSIの GeForce GTX / RTX のVENTUSモデルをベースに比較

性能比較:[ドスパラ]グラフィックボード・ビデオカード性能比較ベンチマークテスト

個人深層学習向けGPU比較結果

  1. 機械学習をメインに考えメモリサイズ8Gを選択。価格的に2070も視野に入るが、現行モデルの2060 SUPERを選択
  2. 妥協なく、最善の選択だと思います。
    前回、RTX 2060とGTX 1060 SUPERを比較し、価格理由で1060 SUPERを選択しました。やはり、妥協ない選択がベストです。
  3. RTXでなければ、GTX 1060 SUPERはコストパフォーマンスも高く今でもお勧めのグラフィックカードです。
created by Rinker
MSI
¥65,000 (2020/10/27 17:43:51時点 Amazon調べ-詳細)

前提条件

JetsonにJenkins向けユーザー作成

別にセットアップされた、Jenkinsシステムより、NVIDIA Jetson Nanoを管理対象と資するために、Jetson NanoにJenkinsから操作する用のユーザーを作成します。

  1. Jetson Nanoに新規ユーザー作成
  2. Jenkins向けユーザーのsudoコマンド設定 パスワード
  3. Jenkins向けユーザーでのGitHubからのPull設定

1. Jenkins向けユーザーを作成

NVIDIA Jetson NanoにJenkinsユーザーを作成します。

2. Jenkins向けユーザーのSudoコマンド設定

Jenkinsユーザーで、各種スクリプトを実行するので、sudoが簡単に実行出来るように設定します。
※ 全体的にパスワードなしでのsudoを許可しているので、利用するコマンドごとの設定や、各種設定ファイルのアクセス権などを環境に合わせて設定し、セキュリティ対策を行って下さい。

作成するjenkinsファイルへの記載内容

3. Jenkins向けユーザーでのGitHubからのPull設定

Jenkinsを利用して、Githubに新しいソースコードがコミットされた際に、Githubより新規ソースコードの通知をトリガーとして、Jenkinsのタスクを実行させます。

Githubへの新規コミットをトリガーに、ジャンケンシステムを構成するメインのIntel NUC Ubuntuサーバー、Raspberry Pi、NVIDIA Jetson Nanoに最新のソースコードが自動的にデプロイ(Pull)される環境を構築しました。
デプロイ前に、簡単なテストなども自動化することが出来ます。

設定には、Jenkinsユーザー向けのSSHキーをNVIDIA Jetson Nanoで作成し、作成したSSHキーをGithubに登録します。GithubにSSHキーが登録出来たら、NVIDIA Jetson NanoからGithubへのアクセスを確認します。

Jetson NanoでSSHキー作成

Jenkinsユーザー向けのSSHキーを作成します。
このSSHキーをGithubに登録します。
Githubに登録することにより、Jenkinsユーザーを用いて、Githubの操作が可能になります。

GithubへSSHキーの登録と接続確認

https://github.com/settings/keys で id_rsa.pub の内容を登録します。

NVIDIA Jetson NanoからGithubへ接続確認

最後に、対象のサーバーより接続確認を行います。

created by Rinker
NVIDIA
¥15,600 (2020/10/27 05:17:15時点 Amazon調べ-詳細)

突然ですがPCを組もう!

熱問題やGPU交換により、遊休品となったケースやGPUを用いて、PCを組みました。
結論から言うと、RYZEN5 3600を選択肢、ケースに合わせた mini-ITXのマザーボードを選択肢しました。

関連記事:

OA用途はもちろん、ヘビーでないゲームぐらいはサクサク動作するスペックを目指します。

利用できる遊休品

  • ケース Shuttle SG41J1[Mini-ITX対応]
  • Shuttle INC. Jシャーシシリーズ対応PC500W電源 PC63J
  • GPU MSI GTX 960 2GD5T OCV2 (GeForce GTX 960 2GB OC)

ケースから購入するならIntel NUCがおすすめ こちら
グラフィックボードのおすすめは、GeForce 1660, 2660 こちら こちら

CPU検討

 

始めて、Ryzenを検討、対費用効果が素晴らしく良いです。
Ryzen5 3600
のコア数6、スレッド数12で、クロック周波数3.6GHzは、Pentium Core i7クラスの性能。
在庫関係などにより出荷数を見ても、Ryzenは十分に実用性のあり今狙い目のCPUだと思います。

Ryzen5 26003600の比較です。コア数6、スレッド数12、クロックス数3.4GHzとカタログからは大きな差分は感じません。

Ryzen 5 3600 25,000
Ryzen 5 2600 16,000

WEBなどにゲーム性能の比較などが出ていますが、一長一短ありそうで、本当に性能を求めるなら今も昔もインテルCPUだと思います。Ryzenが成熟したCPUならば、GPUも利用するし、CPUの世代数で価格を抑えてRyzen5 2600のほうがコスパが良いのかなと思います。しかし、Ryzenは発展途上のCPUです。間違いなく、WEBでも店頭でも3600がおすすめされると思います。

CPUが決まれば、マザーボードにメモリ、SSD

さて、Ryzen5 3600のCPUを選ぶと、次はマザーボドです。ケースの都合上Mini-ITXとなり、少しコスト高になります。

無線機能なども不要、PCIスロットもGPUのみ利用でしたので、店頭で一番安いマザーボードを選びました。ASUS PRIME A320I-K(10,000円程度です)

SSDも店頭で一番安いHP製のSSD S700 2.5インチ 500GBを選択しました。

メモリは相性も怖いので、有名どころのCrucial DDR4-2666 2×8GB=16GBを選択しました。

しばらくは使えそうな、現役として利用可能なPCを組む事が出来ました。

created by Rinker
ASUSTek
¥9,826 (2020/10/27 17:19:45時点 Amazon調べ-詳細)
created by Rinker
ヒューレット・パッカード(HP)
¥8,480 (2020/10/27 17:19:43時点 Amazon調べ-詳細)

ついに決めた、GeForce GTX 1660 SUPER

本日は、クリスマス。アマゾンサンタが昨日持ってきてくれたぞ!!

YOLO/Darknetなどの画像系の機械学習を動かし始めた当初より困っていたGPU。
やはり、GPUの物理メモリサイズは、画像学習の精度に学習速度に大きく関わります。

10月29日に発表されたようで、今回再度調べた際に、一番のコストパフォーマンスが感じられ、すぐに購入しました。
Amazonで、10%の値引きも入り23,122円で購入出来ました。

最初に、GPUをあれこれ、考えた際の記事はこちら:
2019年8月個人向け深層学習・機械学習向けGPU

  • YOLO, DarknetなどDNN実施時のGPUメモリ不足(out of memory)回避、メモリ不足回避の学習回数増加による学習時間増加
  • 画像関係のDNNでは、GPUメモリ不足により、満足に学習自体実行が出来ないケースあり
  • 趣味の範囲なので、過剰な投資は出来ない(個人的には2−3万円以内)
  • PCで基本的にゲームなどは実施しない、モニタもHDMI接続1台
  • GPUメモリ容量を増やしたい

GeForce GTX 1660 SUPER

GeForce GTX 1660 SUPERは、発売済みのGPUであるGeForce GTX 1660とGeForce GTX 1660 Tiの中間に位置します。

GPUコアのベースクロックは1,530MHzで、ブーストクロックは1,785MHz。これらのスペックはGeForce GTX 1660とまったく同じだ。

VRAMには、14Gbps動作のGDDR6メモリを6GB搭載。VRAMとGPU間は192bitのメモリインターフェイスで接続しており、メモリ帯域幅は336GB/sに達している。これはGDDR5メモリを採用していたGeForce GTX 1660の192GB/sを75%上回り、上位モデルであるGeForce GTX 1660 Tiの288GB/sをも上回る。メモリ帯域は、上位機種の2060同じ。

つまり、1660のGPUコア性能とGDDR6による高速アクセス可能なメモリが実装されました。そして、値段も当然中間の位置づけ。ただし、もっと1660に近い。
驚くのは、各種ベンチマーク結果。
1660 Tiの性能域にすごく近いです。価格は、1660に近く性能は、上位のTiに近い。
これは、絶妙なポジショニングと思います。
さらに、機械学習ではGPUメモリ内のデーターを繰り返し処理するので、学習時間に大きく寄与できると思います。

検討機種の比較表

10%の割引がなくてもGeForce GTX 1660相当です。機械学習にはおすすめだと思います。
特に、私のような学習をGPU、通常時の推論をシングルボードなど、非力なマシンで動作させるケースでは、十分なGPUだと思います。

GPUGeForce GTX 960GeForce RTX 2060GeForce GTX1660TiGeForce 1660 SUPERGeForce GTX1660
価格イメージ
2019/08
当時購入金額
25,000
42,000
38,000
36,000
30,000
23,122円28,000
26,000
メモリサイズ2GB6GB6GB6GB6GB
メモリ規格GDDR5GDDR6GDDR6GDDR6GDDDR5
メモリ帯域112GB/s336GB/s288GB/s336GB/s192GB/s
CUDA(SP数)10241920153614081408
消費電力120W160W120W125W120W

ぜひ、各種ベンチマーク結果なども、WEBで調べて見て下さい。

USBのブートディスクをSD Cardに変更

USBブート構成にしていたUSB HDDの領域をSD Cardにコピーしました。
通常の記事は、別方向(ノーマルのSD CardからUSB HDDへクローン作成)ですが、
この記事は、逆方向となります。
実は、Intel NSCが不安定だったり、USB Cameraカメラが不安定だったりと、実は、USB接続機器が不安定な事象が続きました。
この手順でSD Cardブート構成に戻すと安定稼働となりました。

Raspberry PiにSD Card Copierを導入し、ディスクコピー/クローンを作成しました。

  • 小さい容量のSDカードにコピー
  • USB HDDでブート中のシステムで実施(稼働中システムのブート領域をコピー)

コピー元ディスク(USB HDDディスク)

/sda1がブート領域、/sda2がルート領域です。

Disk /dev/sda: 931.5 GiB, 1000204886016 bytes, 1953525168 sectors
Disk model: SPZX-00Z10T0
Units: sectors of 1 * 512 = 512 bytes
Sector size (logical/physical): 512 bytes / 512 bytes
I/O size (minimum/optimal): 512 bytes / 512 bytes
Disklabel type: dos
Disk identifier: 0x5d7437c0

Device Boot Start End Sectors Size Id Type
/dev/sda1 2048 194559 192512 94M c W95 FAT32 (LBA)
/dev/sda2 194560 976773119 976578560 465.7G 83 Linux

コピー先SDカード

Disk /dev/sdb: 119.1 GiB, 127865454592 bytes, 249737216 sectors
Disk model: Flash Reader
Units: sectors of 1 * 512 = 512 bytes
Sector size (logical/physical): 512 bytes / 512 bytes
I/O size (minimum/optimal): 512 bytes / 512 bytes
Disklabel type: dos
Disk identifier: 0x00032c03

SD Card Copierでデータコピー実施

SD Card Copierを起動し、Copy From Device(コピー元)とCopy To Device(コピー先)を選択して、データコピーを行います。

コピー後のブート関係およびマウント関係のデバイスパス変更

コピーして作成した/dev/sdb1のcmdline.txtと、/dev/sdb2の /etc/fstabを変更。

cmdline.txt変更

変更前:

変更後:

/etc/fstab変更

変更前:

変更後:

bootしてこない場合などは、fstabの設定を確認してください。
上手く変更出来ていない事があるようです。

2019/10/08 EaseUS様より連絡いただき、ダウンロードサイトのURLを日本語ページに修正しました。

Raspberry Pi ブートUSB HDDから異音

SDカードブートから変更:Raspberry Pi 3B + SDカードブートからUSBブートへ変更

結論として、HDDブート構成で運用しておりました。
SSDとHDDでのブート構成を比較し、速度的にも理論上最速。USB2.0接続の時点で、HDD性能で十分(HDD以上の性能はUSB2.0がボトルネック)

SDカード
CLASS6
6MB/S
SDカード
CLASS10
10MB/S
USB2.060MB/S
SSD470MB/S
HDD140MB/S
USB3.0(参考)640MB/S

突然の異音、たしかにHDDとSSDを施行した際に、試行で利用した10年前ぐらいのHDDを利用しておりました。

Raspberry Pi ブートHDD交換方法

Raspberry Piに新規HDDを接続し、コピーする方法もありますが、前回Windowsの起動ディスクを交換する際に利用した「EaseUS Todo Backup」を用います。
EaseUS Todo Backup Free
関連記事:Windows起動ディスク交換

Raspberry Pi システム停止

動作中HDD情報を確認し、Raspberry Piを停止します。

Raspberry Pi ブートHDDのクローン作成

利用したいたRaspberry Pi ブートハードディスクと新規ハードディスクをWindowsに接続し、EaseUS Todo Backupを用いて、ディスクのクローンを作成します。

 

Raspberry Pi クローン後HDDで起動

WESTERNDIGITAL HDD 内蔵ハードディスク 2.5インチ 1TB WD Blue WD10SPZX

WESTERNDIGITAL (WD)のHDDへ交換しました。
はじめは、TOSHIBA 東芝 2.5インチ 1TB HDD MQ04ABF100を購入予定でした。
各種口コミにおいて、SMR方式(プラッタあたり1TB、1TBのHDDならばプラッタ1枚)なので、ランダムアクセス時の性能が安定しないとの書き込みや、ベンチマークが多くみられました。比較的、最近リリースされた製品であり、価格も魅力的だったのですが、今回は、WDのHDDとしました。

Benfei SATA USB変換アダプターもHDDのクローンを作成する際に利用するのに同時に購入しました。