序号

商品名称

规格及详细的技术参数

数量/单位

1

管理服务器

1、标准机架式服务器，高度不低于2U；2、配置2颗 CPU，每颗不低于主频2.3GHz、16核、三十二线程（支持超线程）；3、内存配置容量：不低于4*32GB DDR4，最高速率2933MT/s，内存插槽可扩展不小于24个，官方支持最大内存容量不小于3.0TB；4、硬盘当前配置：2*480G SSD+4*4T SATA 7.2K rpm硬盘，最大可配置SFF硬盘数量不少于36块SFF或者配置硬盘扩容柜；5、RAID卡：支持RAID0/1/10/5/6/50/60/1E缓存不低于2GB，支持缓存数据保护，且后备保护时间不受限制；6、支持前置/内置NVMe硬盘，最高支持28块NVMe硬盘或配置扩展；7、最大支持PCIE插槽不少于10个；8、设备整体提供4端口千兆接口；配置双万兆以太网接口；9、支持双宽GPU≥3块或单宽GPU≥8块；10、可配置机箱入侵侦测；11、配置速率为千兆的，独立的远程管理控制端口，支持远程的开机、关机、重启、更新Firmware、虚拟光驱、虚拟文件夹等操作；12、支持防火墙等防护功能模块或者配置单独防火墙，要求单独防火墙万兆口≥4个；13、配置热插拔的冗余电源，功率不小于550W，配滑轨；支持96%能效比的钛金级电源选件；14、支持双MicroSD和双M.2 SSD配置Raid1，作为虚拟化或者操作系统部署盘位；15、提供≥1个网卡专用插槽（不占用PCIE扩展槽），可选配千兆或万兆网卡；16、配置大数据业务分析功能，以纯浏览器的方式为用户提供各种功能，包括：分析、报表、查询、仪表盘等功能；报表的制作、发布、调度、管理也必须在浏览器上进行。要求程序接口支持javaApi，Hibernate数据源，支持WebService、 SOA等标准的数据。产品应支持基于Hadoop的分布式数据库，并可通过适配基于hadoop框架hive架构下运行，支持在MPP分布式数据库上运行软件；支持超级管理员可以统一管理所有用户制作的模板；

1台

2

计算服务器

1、标准机架式服务器，高度不低于2U；2、标准配置2颗CPU，每颗不低于主频2.2GHz、24核、四十八线程（支持超线程）；3、标准内存配置容量：不低于14*32GB DDR4，最高速率2933MT/s，内存插槽可扩展不小于24个，官方支持最大内存容量不小于3.0TB；4、标准硬盘当前配置：2*480G SSD+6*4T SATA 7.2K rpm硬盘，最大可配置SFF硬盘数量不少于36块SFF或者配置硬盘扩容柜；5、标准RAID卡：支持RAID0/1/10/5/6/50/60/1E缓存不低于2GB，支持缓存数据保护，且后备保护时间不受限制；6、标准支持前置/内置NVMe硬盘，最高支持28块NVMe硬盘或配置扩展；7、标准最大支持PCIE插槽不少于10个；8、标准设备整体提供4端口千兆接口；配置双万兆以太网接口；9、标准支持双宽GPU≥3块或单宽GPU≥8块；配置1块高性能24GB GPU卡；10、标准可配置机箱入侵侦测；11、标准配置速率为千兆的，独立的远程管理控制端口，支持远程的开机、关机、重启、更新Firmware、虚拟光驱、虚拟文件夹等操作；12、支持防火墙等防护功能模块或者配置单独防火墙，要求单独防火墙万兆口≥4个；13、标准配置不少于2个热插拔电源，配置热插拔的冗余电源，功率不小于800W，配滑轨；面板；14、标准支持双MicroSD和双M.2 SSD配置Raid1，作为虚拟化或者操作系统部署盘位；15、标准提供≥1个网卡专用插槽（不占用PCIE扩展槽），可选配千兆或万兆网卡；16、标准配置大数据业务分析功能，以纯浏览器的方式为用户提供各种功能，包括：分析、报表、查询、仪表盘等功能；报表的制作、发布、调度、管理也必须在浏览器上进行。要求程序接口支持javaApi，Hibernate数据源，支持WebService、 SOA等标准的数据。产品应支持基于Hadoop的分布式数据库，并可通过适配基于hadoop框架hive架构下运行，支持在MPP分布式数据库上运行软件；持超级管理员可以统一管理所有用户制作的模板；

8台

3

ZigBee开发板

3个ZigBee节点，主芯片为CC2530;1个仿真器；1个收纳盒；6种传感器；1个WiFi模块；1个OLED屏；

30套

4

树莓派开发套件

附件包括：开关电源，9层亚克力外壳，散热片，32Gtf卡，读卡器，Micro-HDMI线，网线，≥7英寸触摸屏，配套支架。用途：为嵌入式软件开发提供基础的硬件实验平台，在此平台上可以开发基于嵌入式linux相关的数据处理、传输、人工智能相关等各类软件，同时可以提供学生参加大创、大赛等边缘端硬件实验环境。

15套

5

RFID实验平台

1、RFID读卡器射频识别模块：工作电流:平均<60mA；工作电压: 3.3V、 5V；工作频率:13. 56MHZ；支持协议: ISO14443A；外观尺寸≥55mm*42mm；支持国产兼容型标签卡；通信接口: UART TTL或RS232或RS485；读写距离:标准白卡距离可达6cm；工作模式:命令模式，自动读卡号，自动读块数据，自动读卡号与块数据；主要功能: 读卡号，读写扇区数据块，扇区加密，增减值(充值消费)等；通信波特率:默认9600Bit/s, 范围: 4800,9600,14400,19200,28800,38400,57600,115200Bit/s可以设置；2、内核:32-bit RISC;工作频率: 72MHz; 存储资源: 64K Byte Flash，20KByte SRAM;AT24C08: 1024Byte x8，高数据传输速率为400KHz和IIC总线兼容，擦除次数≥100万次，数据存储可达100年;RS485电路:可实现高达10Mbps的传输速度(带负载)；CAN电路具有较高的通讯速率、良好抗干扰能力和高可靠性CAN总线的船型通信；RS232电路:采用低功耗、3.0至5.5V供电、 1Mbps的RS232收发器MAX3232ECAE；USB串口电路采用的是CH340 USB转串口电路；继电器电路可接直流或者交流电、交流电压10A/250VAC 直流申压10A/30VDC；3、红外传感器：模块检测距离2~30cm,检测角度35度位器；4、触摸传感器：输入电压:DC5V功耗(电流):150mA；DO输出:TTL数字量0和1(0.1和5v)；AO输出:0.1-0.3V (相对无污染) ,高浓度电压≥4V；5、超声波传感器：采用I0触发测距；6、直流有刷高速电机；空载转数8000转,功率7W,空载电流1A,连续使用时间连续24小时运行。

15套

6

AI视觉机械臂

树莓派4B主控；微处理器BCM2711 64位1.5GHz四核+ 500MHz；Al算力:200GFLOPs；操作系统:Ubuntu mate 20.04 LTS + ROS Noetic；编程语言:Python；舵机方案:15kg*5+ 6kg*1串行总线智能舵机；输入:广角摄像头、急停按键、配网按键、复位按键、2*1IC接口、 5V风扇接口；输出:RGB指示灯、OLED显示屏、蜂鸣器、6路总线舵机接口、6路PWM舵机接口；电源方案:12V5A电源适配器；电源接口:T插接口；遥控方式:手机APP、PC上位机、PS2手柄(PC端)；通信方式:WiFi网络；安全保护:过流保护、反接保护；机械臂自由度(DOF ) : 5自由度+夹持器；有效负载:200g (伸直可夹重星)；负载:500g (夹持搬运重量)；臂展:350mm；有效抓取范围:半径s30cm、以中心轴为半圆的区域；抓取物体直径:1- 6cm；对焦方式:可手动调节焦距；重复定位精度:+0.5mm；电源电压:100~ 240V 50/60Hz；摄像头要求：成像像素数量≥30万像素；镜头活动范围≥110度广角；成像分辨率≥480p ( 640*480 )；帧率≥30fps。

2套

7

电缆

国标纯铜YJV 3*95mm2+2*50 mm2

楼层总配电盘引出机房市电作为机房总电源输入，配置空开及配电箱；从配电箱位置到机房位置重新穿YJV3*95mm2+2*50 mm2电缆，电缆沿棚顶强电桥架敷设；机房配置配电柜，需包含市电配电回路、UPS输入回路、空调回路、其他配电、及其他动力配电等；施工所需KBG50钢管、电缆接头、铜鼻子等配电改造所需的辅料；墙面施工破坏及恢复。含安装。

120米

8

配电箱

≥500mm*600mm

1个

9

空开

3P250A

1个

10

配电柜

（1）配电：总输入：250A/3P，市电配电回路：UPS 输入开关：160A/3P MCCB*2，空调配电：63A/3P、32A/3P*2 ，其他动力配电：32A/3P*2 ，其他配电：16A/1P*4 MCB，UPS输出回路：输出开关：125A/3P*2 MCCB，IT配电：32A/1P*2*24 MCB；（2）其它要求：智能监控，C级防雷，柜体尺寸≤600mm*1100mm*2000mm；（3）材质要求：原厂柜体；铜母线纯度≥99.97%。

1套

11

模块化 UPS

1、模块化UPS机架容量≥120kVA，采用集中控制方式，同时采用冗余设计，避免单点故障。本次采购UPS应配置功率模块数量≥3，单个功率模块容量≥20kVA，模块高度≤ 2U，重量≤25KG；3、为保证旁路抗冲击能力及扩容要求，采用统一的集中旁路模块，旁路模块可插拔维护，故障和热插拨时UPS能正常双变换输出；4、UPS标配主路输入、旁路输入、手动维修旁路、输出开关等四个开关；5、UPS输入电压：380VAC ±20% ；输入频率：（50±2）Hz。电池电压范围300-600VDC；6、UPS输入谐波及功率因数要求：满载时，输入谐波电流总含量小于5%；输入功率因数≥0.998；7、输出电压：380VAC，稳态精度：±1％；8、输出功率因数：1（输出有功功率=额定容量）；9、逆变器过载能力：125%额定电流 ≥10min；10、设备噪音≤60dB；11、设备应能提供全中文监控及操作界面和全中文远程监控管理界面，应提供全中文显示的LCD液晶屏，能够显示输入输出及电池电压、电流和相关运行状态以及故障告警信息，并带LED指示灯，可显示UPS当前运行状态等。具备近端EPO紧急关机按钮；12、液晶面板能够显示系统的电气参数有：电量、有功功率、无功功率、视在功率、功率因数、三相电压、电流、频率等；13、UPS规格尺寸：宽≤600、深≤850，1350≤高≤2000mm，150kg≤重量≤350kg；14、UPS输入输出线缆线径≥35mm2，地线≥16mm2的阻燃电缆；15、为方便维护，建议UPS、蓄电池、配电柜、机房空调、电池监控仪等子系使用同一品牌，并提供统一的服务电话。

1套

12

蓄电池

（1）规格：12V100ah，电池输入线缆：50mm2电池间连线：35mm2。（2）电池汇流盒-400A-1进 4 出-480W*250D*700H-挂墙式安装。（3）两组电池开关-160A/4P-500VDC-480W*250D*700H-挂式安装。（4）为方便维护，建议UPS、蓄电池、配电柜、机房空调、电池监控仪等子系统使用同一品牌，并提供统一的售后服务电话。

80节

13

电池内阻监控仪

（1）具有实时监测单体电池电压、内阻、温度、总电压、电池组开关状态及电池组充放电电流的功能。提供超限告警，声光告警等。（2）适应多种工作环境，可在-25℃~+55℃环境下正常工作。（3）为方便维护，建议UPS、蓄电池、配电柜、机房空调、电池监控仪等子系统使用同一品牌，并提供统一的售后服务电话。

1套

14

基于FPGA的计算机组成实验开发系统

一、实验开发系统的组成：主系统（基础平台）+核心板+扩展模块1．主系统（基础平台）配置1）KX_USB-Blaster2型(通用标准）双功能编程器：(1)USB-Blaster编程下载功能,(2)USB到UART串行通信转换。2）多功能重配置型高效率实验控制电路：主系统板上含有多功能重配置结构控制电路,可切换十多种实验模式。3）在FPGA芯片中可以运行多种经典实用处理器IP核：（1）8位模型处理器，（2）16位实用处理器。（3）8051软核处理器。4）5功能智能逻辑笔。5）独立的标准时钟频率20个1-20MHz。6）16个发光二极管，8个拨码开关，1个扬声器。7）多个IO口扩展座。8)含扫描的智能译码电路模块，按键可切换成脉冲式、高低电平式、输出4位二进制式电路模式，8数码可切换成直通非译码动态扫描式、智能BCD译码、16进制译码。2． 核心适配板1）FPGA 10CL055YF484(通用标准），2）16MB FPGA专用配置存储器EPCS16，3）256MB SDRAM，4）8 MB FLASH 串行存储器，5）TF/SD卡接口各一个，6）8个拨动式开关，7）1组20MHz、1组50M源晶体振荡器，8）VGA接口及其适配电路，9）PS/2 鼠标/键盘接口，10）点阵和字符液晶接口，11）两组共80芯扩展接口，12）支持麦克、语音输入接输出处理接口。3．可自由组合的扩展模块可扩展模块：4X4+8个单脉冲、≥800X480像素可触摸彩屏、字符式20X4液晶、以太网、直流(可测速）+步进电机、12位高速ADC+DAC模块、WIFI模块、无线收发+温度传感器模块、交通灯模块、GPS、32位输出模块、32位输入模块。二、实验内容基于模型机各个部件实验、8位模型机、完整16位CPU等。除了提供基础EDA实验外，另提供：VGA/PS/2键盘控制打字游戏、VGA俄罗斯方块游戏、SD卡读取音乐播放实验、彩屏控制游戏实验、摄像头控制实验、SOPC实验、8051_GPS控制、8051_等精度频率计、8051_控制网口实验、8051_WIFI控制实验。三、供货时提供：1．基本软件：QuartusII 18.1正版软件；2．实验配套资源：提供相关的实验指导书，提供相应PPT课件、PDF教学文档等、提供扩展板原理图。提供实验指导书及其电子版；3．配套教程：科学出版社《EDA技术实用教程》、《现代计算机组成原理》第二版。

25套

15

软件工程、大数据、人工智能教学资源管理平台

1、系统支持教师用户和学生用户自定义首页默认布局设置。支持一键恢复首页默认布局。教师用户首页支持全局模式、教学模式、备课模式和考试模式4种内置首页布局模式；2、系统支持自定义排课功能，包含课程信息、上课班级、授课老师、上课地点、上课时间等信息；3、系统支持用户在线制作实验环境，满足不同的教学场景需求。支持生成OpenStack虚拟机或Docker容器，支持Windows及Linux两种操作系统,并且支持单机和集群两种模式,可以自定义每一个虚机或容器的物理配置；4、系统支持镜像管理功能，系统内置镜像不少于210个,支持对镜像自定义标签，支持查询和复用；5、系统支持对图像分类、目标检测、机器学习所需的数据集进行管理，支持数据集的导入功能；6、系统支持内置录屏功能，提供容器、虚机、Jupyter三种录屏环境。支持对屏幕录像和文档素材进行管理，文档素材支持word、ppt和excel格式；7、系统支持实验报告模板管理，内置文档编辑器，支持在线编辑模板；8、系统支持课程管理功能，包含系统内置课程和教师自建课程。可按照课程标签快速筛选课程。支持对系统内置课程复用，方便快速创建课程；9、系统支持查看课程详情，包括上课时间、该课程累计上课次数、系统和自建标签以及学习路径和班级信息展示。支持编辑所在院系、所学专业、所在班级，可以自定义课程名称、自主选择课程封面。支持课程发布、学生申请、课程共享功能的一键开关；10、系统支持课程编辑，需包括课程介绍、课程大纲、课程目录、实验报告、提问记录、分组记录等模块。支持内置文档编辑工具，支持本地上传文档；11、系统支持课程目录编辑。支持对章节内容的编辑，可以添加实验，添加视频、课件。支持选择实验运行系统；支持从系统导入或自主上传实验手册、报告模板、视频、课件等素材；支持手动排序功能；12、系统支持对班级成员进行分组，支持手动和随机分组，可支持组长设置；13、系统支持学生查看每个实验章节详情，包括本节视频、实验环境描述等信息，支持查看实验环境的节点数量、配置以及组网情况。支持查看节点IP地址；14、系统支持学生在线实验，支持删除实验、保存实验、临时关闭、共享桌面、上传文件、下载文件、全屏操作、剪切板等8项基本环境操作功能。学生实验时在未完成当前实验的情况下，不依赖于当前章节编辑顺序，可随意跳转并完成实验。支持一键重置实验。支持小窗口播放教学视频；15、系统支持学生笔记功能，学生可按章节记录课堂笔记，并对自己的笔记进行管理，支持笔记导出；16、系统支持在线课堂功能，提供在线电子白板和在线讨论功能。支持在线录屏、签到、随机提问、实验监控等功能。支持在线同步共享实验环境界面让学生观看与学习；17、在线课堂支持互动电子白板功能，可支持多种批注工具（图形、文字、手写等），支持实时批注与多用户实时批注功能；18、在线课堂支持教学资源播放功能，支持教学视频，PPT教学资源的同步播放。支持上传外部演示文件（PPT、Word、Excl等多种格式文件），支持分享外部视频以供学生同步观看。支持在线课程录制，支持对录制的视频进行查看、下载、以及删除操作；19、在线课堂支持在线学习的用户设置上课状态，包含离开、举手、未决定、困惑、悲伤、高兴、鼓掌、点赞、拍砖等，支持在线课堂中的主持和演示权限设置，可设置其他演示者与主持人权限；20、在线课堂支持课堂讨论模块，教师用户拥有开放讨论和清空讨论权限，支持发送内置互动表情；21、在线课堂支持在线发起签到功能，支持设置学生签到时间，支持签到记录情况查询，支持手动补签操作；22、在线课堂支持在线随机点名提问功能，支持对学生回答打分；23、在线课堂支持实验监控功能，支持查询学生在线实验情况，支持一键提醒学生录屏，支持远程协助功能，可对学生主机进行操作指导；24、系统支持教师创建六种教学工具：容器演示环境、虚机演示环境、Jupyter演示环境、图像分类演示环境、目标检测演示环境、机器学习演示环境；25、机器学习演示环境支持通过鼠标拖拽算法的方式快速生成机器学习训练模型，支持查看关键算法代码和算法说明，支持手动调参优化模型。支持查看模型训练历史版本。系统支持用户查看模型训练样本的模型评估报告，支持查看当前版本的模型训练的基本属性、机器学习算法、算法属性；26、机器学习演示环境支持类型转换、添加序号列、拆分、缺失值填充、归一化、标准化、随机采样、系统采样、分层采样、去重、两表连接等11种数据预处理方法；支持特征尺度变换、特征离散、主成分分析、过滤式选择、随机森林特征等5种特征工程；支持分类算法（决策树分类、朴素贝叶斯分类、逻辑回归分类、K近邻、支持向量机、随机森林）、聚类算法（K均值聚类、Dbscan聚类、二分K均值聚类）、回归算法（线性回归、决策树回归、岭回归）、关联规则（协同过滤、FP增长、先验）、文本分析（词频-逆文本频率指数、分词、词频统计）等5大类共计17种机器学习算法；27、深度学习目标检测演示环境支持用户在模型库中选择已经建立好的备训模型，进一步完成模型的训练，训练模型结束后，支持二次选择不同的数据集进行循环多次训练，支持分配数据集训练、验证与测试的数据比例；支持设置模型训练参数，包含优化器、模型迭代次数、Batch-size及学习率；支持设置神经网络框架与算法以及计算资源环境等参数；28、深度学习目标检测演示环境支持训练监控功能，支持随时读取当前训练信息与训练任务进度信息，查看训练数据信息，支持以TensorBoard方式实时监控目标检测训练过程；29、深度学习目标检测演示环境支持自动生成评估报告，评估报告包含mAP、mAP@.50IOU、mAP@.75IOU、mAP (small)、mAP (medium))、mAP(large)等6个mAP值的相关数据，支持以列表方式呈现模型训练效果；30、深度学习图像分类演示环境支持配置单点计算模式或分布式计算模式；支持配置深度学习神经网络；支持配置底层计算框架，包含Keras（vgg16、restnet50、alex、squeezenet、mobilenet、lenet、alexfcn、xception、inception-v1、vgg19、vggfcn等共计11种）；支持CPU、GPU的单机或集群环境，支持单GPU卡或多GPU卡方式进行计算；31、深度学习图像分类演示环境需支持随时读取当前训练信息与训练任务进度信息，支持查看训练数据信息，支持以TensorBoard方式实时监控图像分类训练过程；32、深度学习图像分类演示环境需支持自动生成评估报告，评估报告包含训练集、验证集、测试集的精确率、精准率、召回率、F1-score等4个指标的图表结果展示；系统自动计算出top1-top5的准确率；并展示训练结果的混淆矩阵等指标结果信息。支持呈现模型训练效果；33、深度学习演示环境支持测试模型功能，对训练完成的模型，系统提供2种方式（上传单样本、上传多样本）数据对模型效果进行测试；支持展示模型应用效果；34、在线课堂支持在https环境下分享桌面功能，支持共享屏幕、应用窗口及标签页；35、系统支持学员管理，支持查看班级成员、查看课程申请和添加重修学员，支持学员密码重置；36、系统支持课堂管理功能。支持查看学生在线或离线情况、实验报告提交情况，支持通过远程协助进入学生正在试验的环境；支持快照管理，可查看和删除学生虚机快照；37、系统支持虚机管理，可查看和关闭学生虚机。提供平台小助手模块，可随时管理虚机，支持设置平台小助手的透明度；38、系统支持教师编辑不同课程章节的课堂备注信息，并支持批量删除及导出；39、系统支持课件、视频、手册、图片、软件、数据及其他资源的上传、下载、共享及删除等文件管理功能。支持提供个人网盘功能；40、系统支持通过仪表盘展示Docker容器和OpenStack虚机资源使用情况，包含CPU、内存和硬盘的使用比。支持对教师和学生的虚机进行查询、删除等操作；41、系统支持用户在保存实验时一键生成快照，支持对所有快照进行查询、管理、删除等操作；42、系统支持任务调度功能，支持对正在运行的测试或训练任务进行暂停、终止操作，支持对已完成的任务进行筛选、查看、删除等操作；43、系统支持在线考试功能，支持自定义系统内所有试题的难度系数和权重。支持对试题来源、所属科目和试题题型等进行编辑和修改；支持单选题、多选题、判断题、简答题、填空题及实验题等题型；考试题支持在线编辑添加和word文件导入添加两种操作方式，系统内置word试题模板；支持通过图形显示不同题型分配比例和数量统计；44、在线考试支持编辑添加实验题，实验题支持容器、虚机、Jupyter三种运行环境，支持单机、集群两种环境类别，支持设置主、从节点的参数；45、在线考试支持自动组卷和手动组卷两种方式添加试卷。通过对不同题型所属的试题科目进行题目总数设定，支持自动计算总分数。完成快速自动组卷。系统支持将任意已发布的试卷自动设为模板，支持对模板试卷的复用功能。支持试卷以word格式批量导出；46、在线考试支持查看试卷满分、最高分、最低分、平均分、及格率、已提交人数等考试信息。支持查看学生的考试时间、答题时长、成绩、及格状态等数据。支持以excel格式导出学生成绩。支持考试分析功能，展示错题率统计图和成绩排名图；47、系统支持自定义学习路径功能，支持对课程的学科分类、学科内容及学科适用职业进行定位，支持对学习路径新增分类、新增路径小类、新增岗位。支持学习路径的可视化分析，展示岗位能力达成图、技术能力分布图、学习路径课程分布图。支持通过课程、班级以及姓名筛选查看；48、系统支持根据课程查询每个班级的学生历史签到的详细情况，支持以EXCL表格形式导出相关签到数据；49、系统支持教师查看班级的实验报告分析，展示报告满分、最高分、最低分、平均分和已提交人数等数据，展示整个班级成绩排名图和实验分析图。支持学生查看个人实验报告分析，展示完成率、提交报告次数和报告成绩分析图；50、系统支持人脸表情识别功能。支持dlib库和训练好的人脸特征点模型，系统内置68模型（shape_predictor_68_face_landmarks.dat），支持使用OpenCV对图片进行操作，支持对识别出的人脸标注出特征点。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果；51、系统支持图片风格迁移功能。支持tensorflow实现图像风格迁移，支持把一张图片的内容和一张图片的风格结合在一起，使内容图片的风格变成风格图片的风格样式。支持7种风格图片模型，输入一张内容图片，支持随机输出一张改变风格后的图片。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果；52、系统支持看图说话功能。支持tensorflow实现Google的image-to-text模型，支持把图像转换成文字。支持根据输入的图片，把图片内容描述以字符串的形式输出。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果；53、系统支持YOLO目标检测功能。支持使用Keras实现YOLOv3模型进行目标检测，对于紧凑密集或者高度重叠目标的检测有显著效果。支持输入多张图片，并对图片中的物体检测标注，然后输出标注好后的图片。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果；54、系统支持识别人体关键点功能。支持使用TensorFlow实现OpenPose模型，能够识别出人体的骨骼关键点，通过人体的关键点检测，可以辨别出人体的姿态，通过人体的姿态可在一些场景下做出判断并提醒。输入图片，然后通过处理，输出标注好人体关键点的图片。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果；55、系统支持性别年龄识别功能。支持使用tensorflow实现用于人的年龄和性别的估算。首先识别出图片中的人脸，然后再通过人脸去识别人的年龄和性别。通过输入一张有人脸的照片，能够识别出人脸和人的性别和年龄，并标注在图像上，然后输出标注处理好的图像。支持用户从本地上传图片，或使用系统内置图片，或使用摄像头捕获图片上传至平台，本地上传图片类型支持jpg、png格式。系统通过计算，以可视化的方式展示当前模型使用效果；56、系统支持磁盘管理功能，支持自动或手动清理磁盘；67、系统支持组织管理功能，支持对组织进行添加及删除，支持对已有组织进行编辑管理；58、系统支持班级管理功能，支持创建及批量删除班级；59、系统支持用户管理功能，支持对系统内所有管理员、教师、学生账户进行编辑、重置密码、禁用和删除操作；支持添加、导入、批量重置密码、批量删除、导出及从回收站还原账户；60、系统支持在线用户管理功能，支持查看系统当前在线用户的会话编号、姓名、浏览器、操作系统、登录时间、登录IP、登录地点等信息，支持对系统当前在线用户进行强退及批量强退操作；61、系统支持登录日志管理功能，支持查看登录用户的姓名、账号、浏览器、操作系统、登录IP、登录地点、登录状态、错误信息、操作耗时、登录时间的信息，支持批量删除及导出操作；62、系统支持操作日志管理功能，支持查看用户操作的姓名、操作模块、错误信息、操作方法、请求参数、操作IP、操作时间、账号、操作状态、操作耗时、操作内容、返回参数、操作地点等信息，支持删除操作；63、系统支持安全管理功能，支持对当前数据库进行备份，支持按时间段查询所有备份的数据库信息、支持备份的恢复与删除；64、系统支持系统信息设置功能，支持自定义系统名称、技术支持的名称、系统说明、系统LOGO等信息。支持一键还原初始设置；65、系统支持添加、导入及批量删除敏感词，支持对已有敏感词状态进行开启或关闭操作，支持对所选敏感词进行编辑及删除操作；66、系统支持通知管理功能，支持对系统通知进行查看、撤销及删除操作。

1套

16

大数据、人工智能课程资源包

1、大数据开发技术(Hadoop) ：Hadoop安装部署、Hadoop常用命令、HDFS（IOUtils方式读取文件、URL方式读取文件、文件创建与写入、文件内容追加、文件元数据获取）、MapReduce编程（单词计数、数据过滤及保存、检索特定群体搜索记录、UID去重、自定义计数器、Map端join、自定义Split大小、Map端本地聚合、自定义分区、检索特定偏好用户）；2、分布式数据仓库(Hive) ：元数据库MySQL安装、安装部署、导入集合类型数据、创建/删除数据库/表、导入/导出表数据、操作分区表、使用桶表、修改表/分区/列、使用distribute by查询数据、使用cluster by查询数据、使用UNION ALL合并表数据、使用JOIN联接查询、创建数据视图、创建数据索引、自定义函数UDF、自定义函数UDTF、自定义函数UDAF、分析车辆销售数据、分析搜狗搜索日志、ETL工具（Sqoop安装部署、导入MySQL数据至HDFS、导出Hive数据至MySQL）、调度引擎（编译安装Azkaban、简易操作Azkaban、Azkaban脚本调度、Azkaban调度搜狗日志分析任务、Azkaban调度微博数据分析任务）；3、数据库技术(NoSQL)： Zookeeper分布式协调框架（Zookeeper安装部署、Zookeeper编程）、Kafka消息订阅系统（Kakfa安装部署、Kakfa编程）、HBase数据库（HBase安装部署、WEB UI界面、HBase表设计）、HBase编程（HBase客户端配置、HBase表操作、HBase比较过滤器、HBase列族过滤器、HBase行键过滤器、HBase单列排除过滤器、HBase分页过滤器、读取HBase表数据、存储数据至HBase表、HBase计数器、HBase协处理器）、HBase数据库:ETL导入数据、Storm实时流计算框架:Storm安装部署、Storm词频统计、Storm文本追加、Storm数据入库）；4、消息发布订阅系统(kafka)： Kafka安装部署、基本命令、Kafka Topic、Kakfa生产者和消费者、Kafka编程、集成Flume、结构化数据的发送与接收、非结构化数据的发送与接收、Spark消费Kafka、编程实现Kafka集成Flume、KafkaOffsetMonitor安装与使用；5、Scala编程：Scala安装部署、Scala控制结构与函数、Scala数组、Scala元组与映射、Scala类与对象、Scala包的导入、Scala类的继承、Scala文件操作与类层级结构、Scala特质、Scala匿名类与高阶函数、Scala样例类与模式匹配、Scala隐式转换与隐式参数；6、大数据处理技术(Spark)-基础：Spark安装部署(Standalone模式、On Yarn模式)、Spark编程工具（使用IDEA、Spark Core:Scala单词计数、Java单词计数）、Spark SQL（命令方式）、普通样例类编程、领域API编程、Spark Streaming（实时计算网络数据、实时计算HDFS数据、实时计算Flume数据、实时计算Kafka数据、存储实时计算结果至Hbase）；7、大数据处理技术(Spark)-中级：Spark Core（RDD编程、Scala编程、词频统计、Apache日志分析）、Spark SQL（Spark SQL编程）、Spark Streaming(实时词频统计)、Spark MLlib(Spark MLlib编程)、Spark GraphX(Spark GraphX编程)、Spark IndexedRDD(Spark IndexedRDD编程)、SparkR:SparkR安装部署与编程、Spark Alluxio(Alluxio安装部署与使用)、Spark KeystoneML(Spark KeystoneML编程)、Spark BlinkDB(Spark BlinkDB编程)；8、大数据处理技术(Spark)-高级:Spark 实践(分析日志流、分析Uber数据、分析犯罪数据、分析电商产品关注度、分析流量日志)；9、大数据可视化技术：数据可视化（Superset安装部署、Superset数据可视化、Zeppelin安装部署与数据可视化、Anaconda可视化、Matplotlib可视化、k-Nearest Neighbor可视化、Linear Regression可视化、Support Vector Machine可视化、Decision Tree可视化、Random Forest可视化、模型优化、Pandas可视化、数据降维可视化、Cluster Analysis可视化）；10、机器学习-基础：机器学习入门（线性回归、逻辑回归、最大期望算法、主题模型、聚类算法、支持向量机、决策树与随机森林、隐马尔科夫模型、Mahout安装部署、Mahout聚类算法、Mahout分类算法）；11、机器学习-高级：机器学习实践（动物图片识别、手写数字识别、Spark MLlib库介绍与使用、鸢尾花分类、棋类游戏、提取文章摘要、监督学习、非监督学习、非监督学习自编码、气象数据分析、足球比赛聚类分析）；12、深度学习-主流框架Deep Learning初窥：Theano 简单应用、TensorFlow 简单应用、Keras识别手写字体、Keras与Scikit-Learn混合编程、Keras CNN图片分类、Keras LSTM影评分类、Caffe手写数字识别、Caffe cifar10图片分类；13、深度学习-典型实例：Deep Learning实践:Python实现深度神经网络、Caffe CNN实现图片分类、CNN实现图片风格迁移、自联想存储器的python实现、BP神经网络手写识别、无监督学习的自编码器实现、自编码器进行人脸数据降维、有监督学习人脸识别；14、数据统计建模与挖掘：统计推断基础、统计分布、假设检验、多变量线性回归、广义线性模型、数据关联分析；15、数据分析技术（SPSS）：SPSS安装、SPSS窗口介绍、SPSS数据文件的建立、SPSS-单因素方差分析、SPSS-多因素方差分析、SPSS-线性回归分析、SPSS-非线性回归分析、数据分析技术（SPSS-Logistic回归分析、SPSS-因子分析、SPSS-主成分分析、SPSS-K-均值聚类分析、SPSS-分层聚类分析、SPSS-判别分析、SPSS-信度分析、SPSS-尺度分析、SPSS-时间序列分析）；16、区块链理论与应用实战：比特币客户端的安装和使用、比特币浏览器的使用、比特币浏览器的开发、以太坊客户端的安装和使用、多节点联盟链搭建和通信、智能合约的编写测试部署和运行、基于ERC20协议的自定义代币发行、以太坊钱包项目开发、基于Web3js的智能合约投票、Go语言编程环境搭建、Go语言实现数据加密算法、Go语言实现区块链转账签名和验签、Go语言模拟实现常见的共识算法、利用算法实现区块链地址生成、Go语言实现简单区块链系统、EOSIO环境搭建及智能合约使用；17、Hadoop-高清视频理论：hadoop集群安装部署1-7、大数据概论(理论)8-19；18、Hive-高清视频理论：Hive基本概念(理论)1-2、hive的安装部署3-5、HiveQL 数据定义(实操)6-9、Hive内置函数和UDF(理论)10-11、Hive数据查询(理论)12、Hive数据查询(实操)13-14、Hive数据查询(理论)15-17、Hive自定义函数UDAF/UDTF(理论)18、Hive自定义函数UDAF、UDTF(实操)19-21；19、HBase-高清视频理论：HBase分布式数据库:HBase安装部署、HBase简介、HBase核心功能模块和Shell客户端:Hbase与Hadoop的关系、HBase 核心功能模块、HBase的使用场景、HBase的经典案例、Shell命令行工具、HBase表结构设计、HBase原生Java客户端:客户端配置、Java客户端操作、HBase批量操作与WEB UI工具:MapReduce批量操作HBase、HBase核心知识点:核心概念、HBase高级特性:过滤器、计数器、协处理器；20、Scala-高清视频理论：Scala环境搭建、Scala简介、Scala基础、控制结构和函数、数组、映射和元组、类和对象、包的引入、继承、文件操作、特质、高级函数、样例类与模式匹配、隐式转换与隐式参数；21、Spark-高清视频理论：Spark安装部署、Spark简介、安装idea、WordCount实例、Spark运行模式、Spark计算模型、Spark SQL简介、Spark SQL架构和基础概念、Spark SQL安装部署、DataFrame介绍与应用、DataSet介绍与应用、调优、Spark Streaming简介、Spark Streaming架构、Spark Streaming原理剖析、Spark Streaming实例、MLlib简介、MLlib的架构、算法应用案例、Graphx简介和核心；22、大数据行业应用-农业产品；23、大数据行业应用-运营商；24、大数据行业应用-线上竞拍；25、大数据行业应用-情感分析；26、大数据行业应用-NBA赛事预测；27、大数据行业应用-交通轨迹；28、大数据行业应用-航班线路；29、大数据行业应用-银行贷款风险评估；30、大数据行业应用-搜索引擎构建；31、大数据行业应用-生态环境数据分析。

1套

17

软件工程课程资源包

1、Python编程：课程资源包含不少于12个教学视频和12个实验手册等教学内容，视频总时长200分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【Python入门、变量与数据类型、运算符与表达式、数据结构、使用字符串、控制结构、循环结构、类与对象、使用函数、异常处理、操作文件、使用模块】；2、数据分析与挖掘：课程资源包含不少于7个教学视频和7个实验手册等教学内容，视频总时长400分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【Numpy介绍与使用、Pandas介绍与使用、数据绘图可视化、数据预处理、数据分类与预测、数据聚类分析、时序数据分析处理】；3、Linux基础：课程资源包含9个实验手册等教学内容。课程提供实验内容包含【Linux命令基础练习、Linux用户和权限管理、Linux软件包安装、启动流程和服务管理、进程管理和计划任务、Linux系统监控和日志管理、Apache服务、使用ssh远程管理Linux、mysql数据库管理】；4、java程序设计：课程资源包含不少于10个实验手册等教学内容。课程提供实验内容包含【Java编程：JDK安装与配置、Java编程：人机猜拳游戏、Java编程：设计编写宠物乐园程序、Java编程：设计投票程序、Java编程：模拟银行取款业务、Java编程：实现用户的增删改查、Java编程：设计图形化计算器、Java编程：读取文件目录、Java编程：模拟售票系统、Java编程：简易聊天室】；5、数据库应用：课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【数据准备操作、操作实验(一)、操作实验(二)、Python编程操作RDB、Redis基本操作和实践、python访问Redis实现基本增删改查、RDB与RDB+Redis架构SQL查询对比、RDB编程操作数据库业务移植到RDB+Redis、学习并实践Phoenix+HBase安装部署、HBase原生查询实践、程序读取数据插入HBase实践、Phoenix+HBase查询实践、学习并实践GeoMesa+HBase部署、对比了解时空数据操作、基于Java的编程操作GeoMesa、使用时空索引和未使用索引的性能差异】。

1套

18

万兆光纤交换机

1、标准交换容量≥23Tbps，包转发能力≥360Mpps；2、标准万兆光接口≥24，扩展槽位≥1；3、标准最大堆叠台数>=9台，支持跨设备链路聚合，单一IP管理，分布式弹性路由；支持完善的堆叠分裂检测机制，堆叠分裂后能自动完成MAC和IP地址的重配置，无需手动干预；4、标准配置万兆多模模块≥18个；5、标准支持基于端口的VLAN，支持基于协议的VLAN，支持基于MAC的VLAN；6、标准支持最多24个端口聚合；支持最多32个聚合组；7、标准支持本地端口镜像和远程端口镜像RSPAN；8、标准支持IGMP Snooping v1/v2/v3；9、标准支持IPv6静态路由、RIPng、OSPFv3、BGP4+；10、标准通过槽位可扩展，支持业务板卡；11、标准支持OPENFLOW 1.3标准支持普通模式和Openflow 模式切换；12、标准支持SNMP V1/V2/V3、RMON、SSHV2；13、标准支持模块化双电源。

1台