货物名称

主要需求

数量

采购预算

（万元）

深度学习一体机

硬件性能：

▲1）NVIDIA CUDA Cores:≧40960，NVIDIA Tensor Cores:≧5120；

▲2）GPU 总线架构：GPU之间采用NVLINK高速互联技术，聚合带宽≧300GB/s；

▲3）GPU：≧8颗NVIDIA Tesla V100,HBM2堆栈式内存，单GPU卡32GB显存；

▲4）CPU： 2颗Intel 处理器主频≧2.2GHz，核心≧20c；

▲5）内存：≧512GB DDR4 内存；

▲6）存储：≧四块SSD 固态硬盘，单块≧1.92TB；

▲7）网络接口：≧双万兆以太网，≧四个100Gb/s Infiniband网络。

软件功能：

※1）安装Ubuntu Linux操作系统；

※2）部署NVIDIA docker容器应用和软件开发工具包；

※3）Nvidia GPU Cloud 企业级支持。为用户提供经过NVIDIA专业团队优化的深度学习框架，NVIDIA深度学习SDK，及HPC软件，同步更新到服务器；

※4）深度学习软件：为用户提供深度学习框架应用软件images镜像：caffe2, caffe , tensorflow, nvidia digits, mxnet, theano, cntk, pytorch, torch，这些深度学习框架以容器镜像的方式提供，这些深度学习框架定期更新，可在NVIDIA NGC云平台下载；

※5）Nvidia-hpcvis：为用户提供可视化软件容器镜像，包含paraview-holodeck，paraview-index，paraview-optix，这些软件镜像定期更新，可在NVIDIA NGC云平台下载；

▲6）GPU资源管理和监控，支持自动分配GPU资源；支持GPU卡资源集中管理，统一分配，以任务方式动态分配计算资源，任务完成计算资源回收；

▲7）支持按需分配计算资源；支持GPU卡多容器共享，支持一张GPU卡多人同时使用；支持GPU资源分组调度，根据不同型号的卡分组调度；支持GPU资源配额限制，控制每个人可用的资源数量；提供任务排队机制，GPU资源不足时，训练任务可排队调度：先进先出，优先级策略；抢占策略；回填策略；支持根据PCI-E和NVlink拓扑结构分配GPU资源，保证GPU卡之间的最优通信路径；

▲8）支持GPU资源情况监控：能够监控GPU资源总量/使用量，GPU核心平均利用率，GPU显存平均利用率；

▲9）支持GPU服务器性能数据监控：能够监控GPU卡性能信息：时钟信息、pcie信息、温度曲线、利用率曲线，显存曲线，功耗曲线；能够监控GPU服务器性能信息：CPU利用率，内存利用率，网络流量，负载；

▲10）支持深度学习训练环境快速部署，支持CAFFE，TENSORFLOW，MXNET，CNTK等框架，支持GoogleNet/VGG/ResNet 等网络模型:一台GPU服务器可运行多种框架环境，可实现快速切换; 可设置GPU，CPU,内存数量;硬件资源隔离，应用环境独立，各应用之间互不影响; 支持快速创建多机并行开发环境；

▲11）支持caffe，TensorFlow等常用框架的训练过程及模型可视化；

▲12）训练任务执行过程中，能够实时查看训练进度及训练训练结果，并且通过图形界面显示训练任务的实时状态，显示训练进度，训练准确率，训练过程曲线；训练任务执行过程中，能够查看gpu实时的数据，包括：GPU利用率和现存使用、GPU的性能状态、GPU当前计算模式、GPU温度等信息。

数据迁移服务：

为满足实验室后期管理整合的需要，要求将人工智能管理软件集成于云平台，实现不同系统的统一界面管理，并完成现有云平台业务80台虚拟机的数据迁移。

注：▲为重要技术指标，※为一般技术指标。

1套

119