[JJ202400945]服务器网上竞价公告
微信分享
关注项目
标讯收藏
项目名称 | 省份 | ||
业主单位 |
认领
立即查看
|
业主类型 | |
总投资 | 建设年限 | ||
建设地点 | |||
审批机关 | 审批事项 | ||
审批代码 | 批准文号 | ||
审批时间 | 审批结果 | ||
建设内容 |
采购项目信息
项目名称 | 服务器 | 项目编号 | JJ202400945 |
开始时间 | 2024-07-23 14:22:56 | 截止时间 | 2024-07-26 14:22:56 |
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1工作日 |
交货时间 | 合同签订后1 工作日 | ||
送货地址 | 湖北 武汉市 洪山区 珞喻路1037号华中科技大学南一楼442 | ||
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 | 要求各个部件原厂未拆装的全新正品行货,保修信息、出厂配置信息与竞价参数要求一致。送货时候只送配件,每一个配件由供应商输入产品序列号验证真伪,现场拆包装组装,所有产品必须均为原厂全新正品,拒绝第三方配件、水货、二手货。交付时逐项核对验收,不符合竞价要求的一律做退货处理,同时追究相关责任,并赔偿以此造成的一切损失,提供3年整机质保,4小时响应,24小时内解决问题,质保期内部件损坏只换不修。 |
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 | GPU服务器 | 超微、华硕 | 10卡GPU,2块NVIDIA48G显卡 | 1 | 台 | 36 | 是 |
技术参数 | 处理器数需要2个,单颗处理器核心线程数量不低于56个;工作频率不低于2.0GHz动态频率不低3.7GHZ: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16GB的容量; 4T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18.2万亿次每秒的单精度浮点计算能力以及190.4万亿次每秒的Tensor计算能力, GPU模块卡2个,48G显存容量,设备最大可扩展至10个GPU, 系统存储;不少于4T SSD NVME M.2 一块;不少于8T SSD U.2 企业级 HDD数据盘2块,内存模块数量:支持8TB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≧512GB,主频3200GHZ; 网络:板载不低于两个万兆电口,需要提供≧2200 w冗余(2+1),规格:4U机架,GPU计算卡,支持10个NVIDIA RTX /TESLA双宽显卡,GPU显卡;支持SSD优化技术,专用启动盘≥2,有启动盘RAID,SD卡数量≥2,SD卡可组成RAID;服务器出厂自带如下性能系统: 1.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; 2. 支持容器间infiniband高速通信 3. 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; 4. 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; 5.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; 6. 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; 7. 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; 12) Ubuntu Linux CENTOS 7.8/ 18.04及以上操作系统: 1.GPU CUDA 编译环境 :CUDA Toolkit ,GPU Driver; 2.深度学习框架:Tensorflow,mxnet,pytorch, caffe 等等; 3.NVIDIA DIGITS™ GPU 训练系统; 4.Deep Learning SDK :深度学习原生库 CuDNN,深度学习推理引擎(TensorRT); 5.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; 6.深度学习加速库:cuBLAS, cuSPARSE , NCCL。 |
华中科技大学
2024年07月23日