Industrie IT-Hardware
SERVER UND WORKSTATION
Ausschreibung Bundesland Thüringen: Die Bauhaus-Universität Weimar benötigt leistungsstarke GPU-beschleunigte Computersysteme für rechenintensive Anwendungen im Bereich Deep Learning, künstliche Intelligenz, maschinelles Lernen sowie photogrammetrische Berechnungen.
-
-
Thüringen
Die Ausschreibung umfasst:
Los 1:
GPU-Hochleistungsserver (1 Stück) Der Server wird für das Training großer neuronaler Netze, die Verarbeitung umfangreicher Datensätze sowie für GPU-beschleunigte wissenschaftliche Berechnungen eingesetzt. Das System muss eine hohe Rechenleistung durch moderne Multi-Core-Prozessoren und mehrere leistungsstarke GPUs bereitstellen. Eine ausreichende RAM-Kapazität sowie schneller NVMe-Speicher sind erforderlich, um große Batch-Größen zu verarbeiten und Datensätze lokal mit hoher Geschwindigkeit bereitzustellen. Das System muss für den 24/7-Dauerbetrieb ausgelegt sein und eine zuverlässige Kühlung sowie redundante Netzteile aufweisen.
Los 2:
GPU-Hochleistungs-Workstations (3 Stück) Positionen 1und 2 sind für Deep Learning, künstliche Intelligenz und maschinelles Lernen vorgesehen. Diese Workstations werden für das Training großer neuronaler Netze, die Verarbeitung umfangreicher Datensätze sowie für GPU-beschleunigte wissenschaftliche Berechnungen eingesetzt.
Position 3 ist für RAW-Fotobearbeitung und photogrammetrische Berechnungen vorgesehen. Diese Workstation wird für die Verarbeitung hochauflösender Bilddaten, die photogrammetrische 3D-Rekonstruktion von Bauwerken sowie für die Analyse großer Bilddatensätze eingesetzt. Die erweiterte Storage-Kapazität ist notwendig für die Archivierung umfangreicher RAW-Fotodaten und photogrammetrischer Projekte. Die Workstations müssen hohe Rechenleistung durch moderne Multi-Core-Prozessoren und leistungsstarke GPUs bereitstellen. Ausreichende RAM-Kapazität sowie schneller NVMe-Speicher sind erforderlich, um große Batch-Größen bzw. hochauflösende Bilddaten zu verarbeiten und Datensätze lokal mit hoher Geschwindigkeit bereitzustellen. Die Systeme müssen für den Dauerbetrieb ausgelegt sein und eine zuverlässige Kühlung sowie hochwertige Netzteile aufweisen.
Link zur Ausschreibung: https://www.evergabe-online.de/tenderdetails.html?0&id=815961
Los 1:
GPU-Hochleistungsserver (1 Stück) Der Server wird für das Training großer neuronaler Netze, die Verarbeitung umfangreicher Datensätze sowie für GPU-beschleunigte wissenschaftliche Berechnungen eingesetzt. Das System muss eine hohe Rechenleistung durch moderne Multi-Core-Prozessoren und mehrere leistungsstarke GPUs bereitstellen. Eine ausreichende RAM-Kapazität sowie schneller NVMe-Speicher sind erforderlich, um große Batch-Größen zu verarbeiten und Datensätze lokal mit hoher Geschwindigkeit bereitzustellen. Das System muss für den 24/7-Dauerbetrieb ausgelegt sein und eine zuverlässige Kühlung sowie redundante Netzteile aufweisen.
Los 2:
GPU-Hochleistungs-Workstations (3 Stück) Positionen 1und 2 sind für Deep Learning, künstliche Intelligenz und maschinelles Lernen vorgesehen. Diese Workstations werden für das Training großer neuronaler Netze, die Verarbeitung umfangreicher Datensätze sowie für GPU-beschleunigte wissenschaftliche Berechnungen eingesetzt.
Position 3 ist für RAW-Fotobearbeitung und photogrammetrische Berechnungen vorgesehen. Diese Workstation wird für die Verarbeitung hochauflösender Bilddaten, die photogrammetrische 3D-Rekonstruktion von Bauwerken sowie für die Analyse großer Bilddatensätze eingesetzt. Die erweiterte Storage-Kapazität ist notwendig für die Archivierung umfangreicher RAW-Fotodaten und photogrammetrischer Projekte. Die Workstations müssen hohe Rechenleistung durch moderne Multi-Core-Prozessoren und leistungsstarke GPUs bereitstellen. Ausreichende RAM-Kapazität sowie schneller NVMe-Speicher sind erforderlich, um große Batch-Größen bzw. hochauflösende Bilddaten zu verarbeiten und Datensätze lokal mit hoher Geschwindigkeit bereitzustellen. Die Systeme müssen für den Dauerbetrieb ausgelegt sein und eine zuverlässige Kühlung sowie hochwertige Netzteile aufweisen.
Link zur Ausschreibung: https://www.evergabe-online.de/tenderdetails.html?0&id=815961
