この記事は何か

Azureの初月の無料クレジット枠を使い VM で TRELLIS.2 を動かそうとして、最終的に H100 のクォータが通らず失敗した ときの作業メモです。

結論から書くと、無料クレジットのサブスクリプションでは NCads H100 v5 Series のクォータ増加が承認されませんでした。

VM の作り方を間違えたというより、サブスクリプション種別の制限に引っかかった形です。

この記事では、実際にやった VM 作成、SSH 接続、TRELLIS の準備、H100 へのリサイズ、クォータ申請、失敗確認、後始末までを残します。

やりたかったこと

やりたかったのはシンプルです。

Azure 上に GPU VM を立てて、Microsoft の TRELLIS.2 を動かしたい。

TRELLIS.2 は image-to-3D 系のモデルです。ローカルで軽く試せるかと思ったら、要求される GPU の性能がかなり高いです。

今回の目標 VM はこれでした。

Standard_NC40ads_H100_v5

Japan East でこの VM を 1 台使うには、少なくとも以下のクォータが必要でした。

NCads H100 v5 Series: 40 cores

最初から H100 VM を作ると高いので、まずは CPU VM を作って、SSH や Ubuntu の準備だけ済ませてから GPU VM にリサイズする方針にしました。

今回の VM 設定

最初に作った CPU VM は、GPU 実行用ではなく下準備用です。

項目	設定
リソースグループ	`rg-trellis-test`
VM 名	`vm-trellis-a10-01`
リージョン	`Japan East`
可用性ゾーン	`Zone 1`
イメージ	`Ubuntu Server 22.04 LTS x64 Gen2`
アーキテクチャ	`x64`
認証方式	SSH 公開キー
管理ユーザー	`azureuser`
OS ディスク	128GB 以上
ディスク種別	Standard SSD または Premium SSD
Public IP	Standard

実際には、Japan East の容量やクォータ都合で VM サイズ選びに何度か失敗しました。

特に注意した点はこの 2 つです。

Bps_v2 / Bpls_v2 系は Arm64 なので、x64 Ubuntu とは合わない
Azure Portal に SKU が見えていても、実際に作れるとは限らない

1. Azure にログインする

まず Azure CLI でログインします。

az login

ブラウザが開いて Azure アカウントでログインします。

このあと実行する az コマンドは、このログイン中のサブスクリプションに対して実行されます。

2. 変数を設定する

毎回長い名前を書くのが面倒なので、PowerShell の変数に入れておきました。

$VMRG="rg-trellis-test"
$LOCATIONLOCATION="japaneast"
$VM_NAME="vm-trellis-a10-01"
$ADMIN_USER="azureuser"
$VMIMAGE="Ubuntu2204"

それぞれの意味は以下です。

変数	意味
`$VMRG`	リソースグループ名
`$LOCATION`	Azure リージョン
`$VM_NAME`	VM 名
`$ADMIN_USER`	SSH ログイン用ユーザー名
`$VMIMAGE`	VM に入れる OS イメージ

3. リソースグループを作る

az group create `
  --name $VMRG `
  --location $LOCATIONLOCATION

リソースグループは、VM、ディスク、NIC、Public IP などをまとめる入れ物です。

検証用ならリソースグループを分けておくと、最後にまとめて消せます。

4. CPU VM を作る

最終的に使った CPU VM 作成コマンドはこの形です。

az vm create `
  --resource-group $VMRG `
  --name $VM_NAME `
  --location $LOCATIONLOCATION `
  --zone 1 `
  --image Ubuntu2204 `
  --size Standard_D2s_v3 `
  --admin-username $ADMIN_USER `
  --generate-ssh-keys `
  --os-disk-size-gb 128 `
  --storage-sku StandardSSD_LRS `
  --public-ip-sku Standard

この VM でやることは、あくまで下準備です。

SSH できるか確認する
Ubuntu の基本パッケージを入れる
TRELLIS / TRELLIS.2 のリポジトリを clone する

CUDA や GPU 依存のセットアップは、CPU VM ではやらない方針にしました。そこで詰まっても意味が薄いからです。

コマンドの主な意味

オプション	意味
`--resource-group`	VM を置くリソースグループ
`--name`	VM 名
`--location`	リージョン
`--zone 1`	可用性ゾーン 1 に配置
`--image Ubuntu2204`	Ubuntu 22.04 を使用
`--size Standard_D2s_v3`	VM サイズ
`--admin-username`	SSH ログインユーザー
`--generate-ssh-keys`	SSH キーを自動生成
`--os-disk-size-gb 128`	OS ディスク容量
`--storage-sku StandardSSD_LRS`	Standard SSD を使用
`--public-ip-sku Standard`	Standard Public IP を使用

5. VM 作成で実際に踏んだエラー

最初は Standard_D4s_v5 を使おうとしました。

az vm create `
  --resource-group $VMRG `
  --name $VM_NAME `
  --location $LOCATIONLOCATION `
  --image $VMIMAGE `
  --size Standard_D4s_v5 `
  --admin-username $ADMIN_USER `
  --generate-ssh-keys `
  --os-disk-size-gb 512 `
  --storage-sku Premium_LRS `
  --security-type Standard `
  --public-ip-sku Standard

これは失敗しました。

SkuNotAvailable

意味としては、Japan East でその VM サイズが今は使えない、ということです。

次に Standard_B4ps_v2 も試しました。

az vm create `
  --resource-group $VMRG `
  --name $VM_NAME `
  --location $LOCATIONLOCATION `
  --image $VMIMAGE `
  --size Standard_B4ps_v2 `
  --admin-username $ADMIN_USER `
  --generate-ssh-keys `
  --os-disk-size-gb 512 `
  --storage-sku Premium_LRS `
  --security-type Standard `
  --public-ip-sku Standard

これも失敗しました。

Cannot create a VM of size 'Standard_B4ps_v2' because this VM size only supports a CPU Architecture of 'Arm64',
but an image or disk with CPU Architecture 'x64' was given.

Standard_B4ps_v2 は Arm64 VM でした。
一方、指定した Ubuntu イメージは x64 です。

ここで学んだことは単純で、VM サイズと OS イメージの CPU アーキテクチャは揃える必要があります。

6. Public IP を確認する

VM が作れたら、SSH するために Public IP を確認します。

az vm show `
  --resource-group $VMRG `
  --name $VM_NAME `
  --show-details `
  --query publicIps `
  --output tsv

--query publicIps で Public IP だけを取り出しています。

7. SSH で VM に入る

ssh azureuser@<public-ip>

<public-ip> は前のコマンドで出た IP に置き換えます。

初回接続時に fingerprint の確認が出たら yes で進めます。

8. Ubuntu 側の基本セットアップ

VM に入ったら、まず apt の情報を更新します。

sudo apt update

次に、最低限必要になりそうなツールを入れます。

sudo apt install -y git git-lfs wget curl build-essential ninja-build ffmpeg libgl1 libglib2.0-0

入れているものの意味は以下です。

パッケージ	何に使うか
`git`	GitHub からコードを取得する
`git-lfs`	大きいモデルファイルなどを扱う
`wget`, `curl`	ファイル取得
`build-essential`	C/C++ ビルド用
`ninja-build`	ビルドツール
`ffmpeg`	画像・動画処理
`libgl1`, `libglib2.0-0`	画像処理系ライブラリの依存

Git LFS も有効化します。

git lfs install

9. TRELLIS を clone する

TRELLIS 1 を使う場合。

git clone --recurse-submodules https://github.com/microsoft/TRELLIS.git

TRELLIS.2 を使う場合。

git clone -b main https://github.com/microsoft/TRELLIS.2.git --recursive

--recurse-submodules や --recursive は、サブモジュールも一緒に取得するための指定です。

今回は CPU VM なので、ここまでにしました。

セットアップスクリプトは GPU VM にしてから実行する予定でした。

10. VM から抜ける

exit

SSH セッションを終了します。

11. VM を deallocate する

使い終わったら、VM を割り当て解除します。

az vm deallocate `
  --resource-group $VMRG `
  --name $VM_NAME

ここは重要です。

Azure VM は「停止」と「割り当て解除」が別です。
compute 課金を止めたい場合は、deallocated にする必要があります。

状態確認はこのコマンドです。

az vm get-instance-view `
  --resource-group $VMRG `
  --name $VM_NAME `
  --query "instanceView.statuses[?starts_with(code, 'PowerState/')].displayStatus" `
  --output tsv

期待する表示はこれです。

VM deallocated

12. H100 VM にリサイズしようとした

CPU VM を作ったあと、H100 VM に変更しようとしました。

az vm resize `
  --resource-group $VMRG `
  --name $VM_NAME `
  --size Standard_NC40ads_H100_v5

結果は失敗です。

Operation could not be completed as it results in exceeding approved StandardNCadsH100v5Family Cores quota.

Current Limit: 0
Current Usage: 0
Additional Required: 40
New Limit Required: 40

つまり、Japan East の StandardNCadsH100v5Family クォータが 0 なので、H100 VM を作れません。

Standard_NC40ads_H100_v5 は 40 vCPU の VM なので、最低でも 40 cores のクォータが必要でした。

13. H100 クォータを申請する

Azure Portal の「クォータ」から以下を申請しました。

項目	値
サービス	Service and subscription limits / Quotas
デプロイモデル	Resource Manager
リージョン	Japan East
シリーズ	NCads H100 v5 Series
要求値	40 cores
対象 VM	`Standard_NC40ads_H100_v5`

Portal 上では Standard NCads H100 v5 Family という名前ではなく、NCads H100 v5 Series と表示されていました。

14. Quota API で申請結果を確認する

Portal だけだと理由が分かりにくかったので、Quota API でも確認しました。

まず現在のサブスクリプション ID を取得します。

$SUB = az account show --query id -o tsv

Japan East の Compute クォータを見る scope を作ります。

$SCOPE = "/subscriptions/$SUB/providers/Microsoft.Compute/locations/japaneast"

クォータ申請履歴を取得します。

az rest --method get --url "https://management.azure.com$SCOPE/providers/Microsoft.Quota/quotaRequests?api-version=2023-02-01"

結果として、以下のような失敗が確認できました。

{
  "error": {
    "code": "QuotaNotAvailableForResource",
    "message": "Request failed."
  },
  "message": "Request failed.",
  "provisioningState": "Failed"
}

この時点で、単なる入力ミスではなく、対象リソースのクォータ増加が使えない状態だと分かりました。

15. サポートに問い合わせた

Azure サポートにも問い合わせました。

回答の要旨は以下です。

NCads H100 v5 Series は需要が非常に高いため、
無料サブスクリプションでは可用性が制限されている。

そのため、NCads H100 v5 Series の増加要求を承認できない。

利用したい場合は、従量課金制サブスクリプションを作成し、
そのサブスクリプションから改めてクォータ増加リクエストを行う必要がある。

つまり、今回の失敗理由はコマンドのミスではなく、サブスクリプション種別の制限でした。

16. 使わないリソースを片付ける

検証が終わったら、不要なリソースは削除します。

全部まとめて消すなら、リソースグループごと削除します。

az group delete --name rg-trellis-test

これで以下がまとめて消えます。

VM
OS ディスク
NIC
Public IP
NSG
その他関連リソース

未接続ディスクだけ消す場合は、この形です。

az disk delete `
  --resource-group rg-trellis-test `
  --name "<所有者が - のディスク名>" `
  --yes

Azure Portal のディスク一覧で所有者が - になっているものは、どの VM にも接続されていないディスクです。

VM 作成失敗や作り直しの途中で残ることがあります。
未接続ディスクも課金対象なので、不要なら削除します。

まとめ

今回やったことは以下です。

Azure で CPU VM を作成した
SSH 接続した
Ubuntu に基本ツールを入れた
TRELLIS / TRELLIS.2 のリポジトリを clone した
H100 VM へリサイズしようとした
H100 ファミリのクォータ 0 で失敗した
クォータ申請した
無料クレジット枠サブスクでは H100 クォータが承認されなかった

最終的な結論はこれです。

Azure の 無料クレジット枠のサブスクリプションでは、
NCads H100 v5 Series のクォータ増加は承認されなかった。

TRELLIS.2 を Azure で動かしたい場合は、最初から以下を検討した方がよさそうです。

従量課金制サブスクリプションを使う
H100 / A100 のクォータが取れるリージョンを確認する
Azure 以外の GPU レンタルサービスを使う
TRELLIS.2 ではなく、より軽い TRELLIS 1 や別モデルを試す

今回の一番大きい学びは、GPU VM は「SKU が見えている」だけでは使えないということです。

必要なのは、VM サイズ、リージョン容量、ファミリ別クォータ、リージョン合計 vCPU、そしてサブスクリプション種別の全部でした。

検討するなら（次のステップ）

今回の用途（TRELLIS.2などの重量級AIモデルのテスト）であれば、Azureにこだわらず以下のGPUクラウドを検討するのが現実的です。

最安重視：Vast.ai
- 特徴: 個人や小規模データセンターが余らせているGPUをオークション形式で借りるP2Pスタイル
- メリット: とにかく時間あたりの単価が圧倒的に安い
- 注意点: ホストの都合で突然インスタンスが停止するリスク（プリエンプティブ）があるため、使い捨ての実験環境向き
安さと使いやすさのバランス：RunPod
- 特徴: AI開発者に今一番人気のあるGPUクラウド。UIが非常に洗練されている
- メリット: Jupyter NotebookやWebUIへの接続テンプレートが豊富で、立ち上げまでが爆速
- 注意点: 完全にデータセンター品質の「Secure Cloud」を選ぶと、Vast.aiよりは少し高くなる
安定・企業寄り：Lambda Labs
- 特徴: 大手AIスタートアップや研究機関も愛用する、信頼のデータセンター品質
- メリット: H100やA100などのハイエンドGPUが、メガクラウドよりはるかに安価で安定して動く
- 注意点: 人気すぎてインスタンスの空きがないという別格の壁がある（空いてたらラッキー）
Azure / AWS / GCP（3大メガクラウド）
- 特徴: エンタープライズ向けの巨大インフラ
- 結論: 今回のような「ちょっと個人で試したい」用途では、単価が高すぎる上にクォータ制限の壁が厚いので、後回しでOK