当前位置：
采购项目信息
| 项目名称 | 服务器 | 项目编号 | **** |
| 开始时间 | **** 17:05:08 | 截止时间 | **** 17:05:08 |
| 联系人 | 电话 | ||
| 支付方式 | 货到验收后付款 | 合同签订时间 | 竞价成交后3工作日 |
| 交货时间 | 合同签订后5 工作日 | ||
| 送货地址 | 湖北 武汉市 洪山区 点击登录查看欣苑一栋（环境学院） | ||
| 供应商资质要求 | 1.符合《政府采购法》第二十二条规定的供应商基本条件; | ||
| 售后服务 | 原厂直发华中科大学，整机及所有配件均为全新原装正品，原厂官网序列号验证，现场厂商官网查询保修信息，出厂配置信息与竞价参数要求一致。提供原厂商三年整机全保及免费上门服务，所有配置必须在原厂商预装出厂，设备原厂商直接发货至最终用户，保证完整包装不开封，不接受供应商的私自拆封改配，现场验货。所有服务可在电脑生产厂商官网或400/800电话查询确认。 | ||
采购货物信息列表
| 序号 | 品目 | 商品名称 | 参考品牌 | 参考型号 | 数量 | 计量单位 | 质保期（月） | 是否允许其他 品牌型号报价 |
|---|---|---|---|---|---|---|---|---|
| 1 | 服务器 | 服务器 | AMX/五舟/超微/同泰怡 | AMX/五舟/超微/同泰怡 | 1 | 台 | 36 | 否 |
| 技术参数 | 1、本系统采用最新系列EPYC/XEON Platinum系列并发处理器，并发处理器数需要2个，处理器核心线程数量不低于256个；128核256线程，至少需要提供4.95万亿次每秒的浮点计算能力：本系统采用高效数据系统，由于需要提供处理器直接数据读取，工作频率至少需要3200MHz，可分配容量每个处理核心至少需要4 GB的容量； 2、高速处理模块：为提高系统的运行效率，需要额外增加专业高速图形处理模块，处理模块采用主动散热模式，供电环境由本系统统一供应，处理模块至少需要提供16.2万亿次每秒的单精度浮点计算能力以及130.4万亿次每秒的Tensor计算能力，加速缓存空间总共需要4GB的容量，GPU模块4个，最大可扩展至8个； 3、系统存储：不少于1块2TB 企业级 NVME SSD企业级固态硬盘SSD pci-e4.0,支持不少于60T 企业级 7200转 SATA存储硬盘； 4、内存模块数量：支持1TB内存，需要提供第二代傲腾非易失性内存与DDR4内存搭配使用≧128GB，主频3200GHZ; 网络：板载不低于两个万兆电口； 5、供电模块：为了确保平台的稳定可靠运行，需要提供≧1650 w供电模块； 6、规格：5U机架，需机器运行噪音低于50分贝 ； 7、GPU计算卡，后期支持可扩展3个NVIDIA RTX /TESLA双宽显卡,必须支持扩展最新英伟达单涡轮原厂专业计算卡4090 ≧2块，显存≧24GB ，RTX 4090 /GPU卡及带GPU风扇 显卡温度控制70度以下； 8、后期支持RAID 0, 1,5,10 6，支持SSD优化技术，支持启动盘RAID，SD卡数量≥2，SD卡可组成RAID。 9、服务器出厂自带如下性能系统：采用轻量级容器虚拟化技术和Kuberates管理平台，实现对CPU、内存、磁盘等资源的虚拟化和统一管理。针对人工智能领域的特定需求，提供GPU等异构计算资源管理接口，实现对GPU等异构计算资源的虚拟化统一管理，支持为容器以直通方式挂载GPU等异构计算资源；支持容器间infiniband高速通信 ；允许用户上传自定义的代码程序和数据文件，通过在线提交计算资源需求即可启动训练任务，支持单机多GPU和多机多GPU的训练任务。支持在Web界面通过jupyter、远程图形桌面直接访问虚拟环境。支持通过pycharm方式上传代码和数据，提供功能截图证明；支持输出损失率、准确率等动态可视化监控图表，同时支持输出训练过程日志，并提供日志下载功能；具有硬件加密功能，服务器支持采用硬件加密的方式接入集群；具有镜像管理功能，支持私有镜像仓库，集中化管理用户的镜像。能够提供新建项目、设置用户权限等功能。支持用户对本地镜像的编辑，镜像推送，删除等操作，提供功能截图证明；系统支持管理员和普通用户两种角色用户，管理员可以为普通用户创建一个或多个独立的GPU集群环境，并可以限制CPU、GPU、内存等资源量的大小，将资源分割成多个独立的集群，方便为多个部门提供服务，提供功能截图证明型号、插槽位置、显存使用量、电压使用量、温度、风扇转速、负载状况等指标、图标显示界面刷新率为秒级；监控模块国产自主可控并提供软/硬件证书； Ubuntu Linux CENTOS 7.8/ 18.04及以上操作系统；.GPU CUDA 编译环境 ：1.CUDA Toolkit ，GPU Driver； 2.深度学习框架：Tensorflow，mxnet，pytorch, caffe 等等； 3.NVIDIA DIGITSTM GPU 训练系统；.Deep Learning SDK ：深度学习原生库 CuDNN，深度学习推理引擎（TensorRT）；.NVIDIA Docker 容器平台:包括编程、运行、系统工具、系统函数库等都打包到一个完整的文件系统中，可安装到任何一台服务器上；.深度学习加速库：cuBLAS， cuSPARSE , NCCL。 | |||||||
****
信息来源：http://emall.hust.edu.cn/notice_show.html?id=17339&state=audit_approved&version=8
