| 主要技術參數 | 配套服
務要求 | 數量 |
CPU：性能不低于Intel至強 銀牌4108，數量2顆
內存：不低于64GB DDR4 2666MT/s
硬盤：不小于1TB 7.2K RPM SATA 6Gbps 3.5英寸熱插拔硬盤，數量：2塊
GPU: 性能不低于2塊RTX2080TIGPU或性能不低于3塊GTX 2060GPU
RAID：PERC H330，支持RAID 0,1,5 | | 2臺 |
|
2U機架式服務器，含滑動導軌
CPU：性能不低于Intel至強 銀牌4108，數量：1顆
內存：不低于64GB DDR4 2666MT/s 內存
硬盤：不小于1TB 7.2K RPM SATA 6Gbps 3.5英寸熱插拔硬盤，數量：2塊
RAID：PERC H330，支持RAID 0,1,5 | | 1臺 |
|
1、虛擬化模塊；
云計算平臺通過對硬件設備的虛擬化形成虛擬化資源池，可實現按需提供基礎IT資源（包括計算能力、存儲能力和網絡能力）并且實現資源的“彈性”分配。用戶可通過Web界面實現對整個云計算平臺以及虛擬環境的管理，包括計算云主機（虛擬機）、網絡資源池、存儲等資源，從而為用戶提供基礎IT環境。
2、實訓管理模塊；
在提供的硬件虛擬化基礎之上，構建了教學實訓環境。實現了每個學生的實訓環境互相隔離、實訓過程互不干擾，教師可以一鍵操作即可創建一套全新的實訓環境供學生實訓，方便學生高效的完成實訓操作的同時，大幅降低了教師組織實訓的難度和成本。 | | 1套 |
|
1、網絡配置實訓包
實訓指導書1套，實訓基礎環境1套，實訓知識點應包括：
使用2臺雙網卡Linux主機構建一個內部網絡。默認網關的配置，DNS設置，路由的配置;安裝HTTPD服務，配置HTTPD服務，如聽ip和端口，通過內部網絡訪問HTTP服務;SSHD服務配置;使用iptables配置防火墻服務，開放服務端口。熟悉使用netstat ,ip ,nslookup ,route,ping,iptables,wget,telnet，ifconfig 等網絡工具。
2、虛擬化部署實訓包
實訓指導書1套，實訓基礎環境1套，實訓知識點應包括：
（1）vmware workstation 軟件安裝。虛擬機硬件環境配置，網絡環境配置，構建虛擬網絡。
（2）kvm虛擬機安裝，虛擬機硬件環境配置，網絡環境配置，構建虛擬網絡。
（3）virtualbox虛擬機安裝，虛擬機硬件環境配置，網絡環境配置，構建虛擬網絡。
3、openstack 基礎環境部署實訓包
實訓指導書1套，實訓基礎環境1套，實訓知識點應包括：
包括基本操作系統(Ubuntu或者CentOS)安裝，操作系統配置，如Selinux，ntp，時區，防火墻等設置。操作系統基本維護軟件安裝，基礎公用網絡規劃與部署，內部網絡規劃與部署，數據庫安裝，MQ安裝。openstack client安裝。包括控制節點，計算節點，存儲節點等。 | | 1套 |
|
1、數據采集與預處理教學實訓包
基于真實項目轉化，所有內容均直接使用項目研發過程資料作為素材，提供數據采集與預處理系統的研發任務相關工作資源，能夠引導學生從零開始完成一個數據采集與預處理系統的研發工作。
2、大數據離線分析環境部署教學實訓包
基于真實項目轉化，所有內容均直接使用項目研發過程資料作為素材，提供大數據離線分析環境的部署任務相關工作資源，能夠引導學生從零開始完成一個大數據離線分析環境的部署工作。 | | 1套 |
|
1、基于VGGNet模型和CIFAR-10數據集的圖像分類實訓資源包
提供基于VGGNet模型和CIFAR-10數據集的圖像分類實訓資源，使用TensorFlow進行模型算法構建，實訓源代碼包括數據集加載、預處理、VGGNet模型構建（包括模型構建、訓練、評估、測試、保存）、模型預測，提供完整算法源代碼實例及注釋講解。主要內容如下：
（1）提供完整工程項目包及安裝使用說明。
（2）提供項目依賴庫文件。
（3）提供CIFAR-10圖像分類完整數據集。
（4）提供模型預訓練權重h5文件。
（5）提供基于Python開發語言的數據預處理算法源代碼實例及注釋講解。
（6）提供基于Python開發語言及VGGNet模型的實訓算法源代碼實例（包括模型構建、訓練、評估、測試、保存）、模型預測源代碼實例及注釋講解。
2、基于LeNet模型和MNIST數據集的手寫數字識別實訓資源包
提供基于LeNet模型和MNIST數據集的手寫數字識別實訓資源，使用TensorFlow進行模型算法構建，實訓源代碼包括數據集加載、預處理、LeNet模型構建、模型訓練、評估、測試、保存，提供完整源代碼實例及注釋講解。主要內容如下：
（1）提供完整工程項目包及安裝使用說明。
（2）提供項目依賴庫文件。
（3）提供MNIST手寫數字識別完整數據集。
（4）提供基于Python開發語言的數據預處理算法的源代碼實例及注釋講解。
（5）提供基于Python開發語言及LeNet模型的實訓算法源代碼實例（包括模型構建、訓練、評估、測試）、模型預測源代碼實例及注釋講解。
3、基于FaceNet模型和CelebA數據集的人臉識別實訓資源包
提供基于FaceNet模型和CelebA數據集的人臉識別實訓資源，使用TensorFlow進行模型算法構建，實訓源代碼包括人臉數據集載入、預處理、基于FaceNet模型的算法構建、模型訓練、評估、測試、保存，提供完整算法源代碼實例及注釋講解，提供視頻人臉實時抓取及識別應用實例。主要內容如下：
（1）提供完整工程項目包及安裝使用說明。
（2）提供項目依賴庫文件。
（3）提供CelebA人臉識別完整數據集。
（4）提供基于Python開發語言的數據預處理算法源代碼實例及注釋講解。
（5）提供基于Python開發語言及FaceNet模型的實訓算法源代碼實例（包括模型構建、訓練、評估、測試、保存）、模型預測源代碼實例及注釋講解。
（6）提供視頻人臉實時抓取及識別的Web應用實例源代碼及注釋講解。
4、基于TensorFlow Serving的模型服務部署實訓資源包
提供基于TensorFlow Serving的模型服務部署實訓資源，使用Docker構建TensorFlow Serving業務環境，將模型部署為服務型API，通過API調用的方式將應用程序的預測請求接入完成模型的線上預測，提供完整實訓源代碼實例、應用程序及部署文檔。主要內容如下：
（1）提供完整工程項目包及安裝使用說明。
（2）提供項目依賴庫文件。
（3）提供基于Linux操作系統的Docker環境構建的完整文檔。
（4）提供基于Linux操作系統的NVIDIA GPU Driver及CUDA Toolkit環境構建的完整文檔。
（5）提供基于Linux操作系統的Nvidia Docker環境構建的完整文檔。
（6）提供基于Linux操作系統的TensorFlow Serving業務環境構建（包括TensorFlow Model Server、模型替換）的完整文檔。
（7）提供基于Python語言的模型應用開發實訓源代碼實例，將預測請求以API的方式接入TensorFlow Serving模型接口實現模型的預測服務。
（8）提供基于Flask Web框架的模型服務應用程序及源代碼實例，接入CIFAR-10圖片分類模型實現圖片分類預測及類別Top可視化展示。 | | 1套 |
|
