公告摘要
项目编号zbzxjj20230382
预算金额8.97万元
招标公司四川大学
招标联系人-
标书截止时间-
投标截止时间-
公告正文
延期信息
延期理由:由于该项目报价供应商数量不满足要求,本项目延期至2023-07-24 17:00
项目名称:创新中心信息化设备配件采购
项目编号:ZBZXJJ20230382
采购单位:四川大学
联系人:中标后在我参与的项目中查看
联系电话:中标后在我参与的项目中查看
签约时间要求:
到货时间要求:
预算总价:89700
收货地址:四川省成都市双流县川大路二段四川大学江安校区空天大楼5楼
供应商资质要求:符合《政府采购法》第二十二条规定的供应商基本条件

采购商品:服务器处理器
采购数量:2
计量单位:套
预算单价:16800
技术参数及配置要求:英特尔至强金牌6240R处理器,含散热片等设备。热设计功耗(TDP):165W,制作工艺:14纳米,核心代号:Cascade Lake,核心数量:二十四核心,线程数量:四十八线程,CPU主频;2.4GHz,动态加速频率,4GHz,L3缓存,35.75MB,支持最大内存容量,1TB。
采购商品:服务器GPU
采购数量:1
计量单位:套
预算单价:12100
技术参数及配置要求:GPU 架构,计算核心≥3800个,FP64算力≥9.8 Tflops,FP32算力≥10Tflops,FP16算力≥20Tflops,INT8算力≥40Tflops,显存≥32GB HBM2,需由服务器厂商或GPU卡厂商提供质保以及技术支持服务,GPU卡序列号原厂400电话可查:
1. 配置GPU资源管理软件授权1个,需要满足:
2. △数据集管理:支持数据集管理。可以进行用户数据集更新,删除、克隆等。
3. #数据分享:用户可在分享中心分享和订阅数据集、模型、代码和文档等内容。用户可获得订阅内容的访问权限,其中数据集和模型可在编辑训练任务时直接访问。提供截图等证明材料。
4. △模型管理:支持模型管理。模型创建、模型克隆、模型删除和展示模型状态等,通过模型管理可以更方便的对不同模型进行处理、更直观的了解当前模型的运行情况支持训练管理。
5. △深度学习框架集成:支持基于深度学习框架Caffe、TensorFlow、PyTorch,并且用户根据业务需求进行自定义计算框架。
6. #模型训练:支持基于容器的模型训练功能。对Caffe、TensorFlow、PyTorch等框架提供在线模型编辑功能,用户可自定义训练使用的框架版本,容器数量,GPU数量,内存,GPU型号等资源,并且可以实时查看训练曲线输出,监控各容器内资源使用状况;提供软件截图证明材料。
7. #在线推理:支持基于容器的在线推理功能。支持Caffe、TensorFlow、PyTorch等框架,用户可自定义推理使用的框架版本,模型路径,模型输出层及前后处理脚本。集成图像分类,目标检测、语义分割等推理应用类型,可进行数据批量推理,显示原始图片、推理结果及必要标注信息。提供软件截图证明材料。
8. #超参调优:支持基于容器的分布式超参数自动调优功能。支持TPE自动搜索算法,多参数同时调优,分布式调优等功能。用户可自定义调参任务的调优参数类型、调参范围,使用的框架版本、容器数量、GPU数量、内存、GPU型号等内容,并可以实时查看调参曲线输出,监控各容器内资源使用状况。提供软件截图证明材料。
9. △可视化应用:支持TensorFlow和PyTorch框架下的可视化的TensorBorad应用。
10. △命令行工具:支持命令行工具,可以提供webshell允许用户连接到容器;同时支持jupyter等工具。
11. #镜像管理:公有镜像管理:用户可以订阅平台共有镜像资源进行使用;管理员可以向共有镜像库上传镜像资源。私有镜像管理:将私有镜像分享至共有镜像库,供其他用户订阅和试用。
12. #镜像制作:用户可以基于任何已订阅镜像或基础镜像进行镜像在线自定义,将自己的软件和工具制作成相应的软件镜像,并固化至私有镜像仓库。提供软件截图证明材料。
13. 14. #容器任务:支持用户申请自定义容器任务,用户可以自定义容器任务使用的镜像版本、容器实例数量、GPU数量、GPU类型、CPU数量、内存大小等资源,并可通过页面嵌入的SSH和Jupyter方式对容器进行访问。提供软件截图证明材料。
14. △分布式计算:支持容器跨节点进行调度计算,Caffe/TensorFlow/PyTorch分布式计算方式。
15. △调度策略:支持基于队列、用户、用户组等多个维度的优先级定义策略,根据作业的静态(如资源请求、所属用户等)和动态指标(如入队时间、公平共享份额等),通过不同的权重设置,灵活控制作业优先级。
16. △调度策略:支持针对不同用户(或用户组、队列)设置资源使用的份额,保证公平合理的使用资源。
17. △调度策略:支持对高优先级作业进行资源预留,有效解决在集群高负载情况下的大作业“饥饿”问题。
18. △调度策略:允许作业独占计算节点,支持集群、队列、作业三级的的节点独占策略设置。
19. △调度策略:支持灵活可配置的节点可用性判定策略。检查作业的可用节点时,需要考虑多种资源请求(如处理器、内存、磁盘)进行判定,允许针对不同的资源使用不同的判定算法(如按照实际使用量、按照调度分配量,或者综合两者进行判定)。
20. △调度策略:支持将作业均衡的分配到所有计算节点上,避免任务堆积在个别节点,因争抢CPU、内存等资源导致计算变慢。
21. △调度策略:支持随机选择作业的计算节点,解决特定场景和固定调度算法下某些计算节点被频繁使用的问题。
22. △API接口:支持Restful/HTTP二次开发接口,用户可基于现有平台功能进行二次开发。
23. △异构调度:支持对于CPU+GPU(包括GPU、MIC)异构集群的调度。支持CPU作业和GPU作业共用GPGPU节点,支持为GPU/MIC按比例预留一定的CPU,保证GPU/MIC作业调度的成功率想·。
采购商品:服务器硬盘
采购数量:6
计量单位:台
预算单价:7000
技术参数及配置要求:1.92T 2.5 SAS 24Gb R SSD,缓存:无缓存,闪存类型:TLC,顺序读速:560MB/s
采购商品:工作站内存条
采购数量:4
计量单位:个
预算单价:500
技术参数及配置要求:16GB 3200-DDR4(RECC)
详情请访问原网页!
返回顶部