① 教學資源管理系統
力拓科技的資源庫建設方法，可以參考：
教學資源庫
--------------------------------------------------------------------------------
>>>完美的教與學的結合<<<
在我們原有共享型專業教學資源庫、網路課程平台、在線學習平台、精品課程平台、高職教育教學資源中心的基礎上，建立一個全國性基於雲計算的數字化教學資源管理與服務平台，供院校、企業、社會學習者等共享、共用、共建，為校內外用戶提供專業學習所需的各種資源和在線學習服務。
（一）、平台具體內容
1.以專業為基礎向各院校和企業提供數字化教學資源
在專業教學資源建設過程中，一個院校企業可以建設和管理多個專業的資源，同時，多個院校企業也可以共同建設一個或者多個專業的資源。這樣，為了各院校企業使用相同的資源歸屬，資源的建設和管理需要以專業為基礎，規范專業代碼，各院校企業使用統一的專業代碼建設學習資源。更進一步，專業內的子庫編碼和專業課程體系則由專業建設的牽頭單位負責整理和構建，其他聯合建設的單位則下載並應用統一的子庫代碼和專業課程體系。在統一的專業代碼和子庫代碼以及課程體系的基礎上，各院校企業可以為相同專業共同建設學習資源，同樣，作為學習者，也可以按照專業、子庫或者課程進行檢索和學習。使用統一的專業代碼、子庫代碼和課程體系可以避免學習資源建設的二義性，是消除信息孤島和應用豎井的根本方法，也是本平台項目建設的一個重點。
2.提供數據分布和集中兩種共存的方式
平台將按照總平台和分平台兩層架構方式進行部署。總平台在雲計算基礎設施上構建SAAS（多租戶模式）應用系統和雲存儲數據中心，以滿足多個院系企業共建資源的需要。分平台為各院校企業單客戶模式的小型應用系統，按照規模要求適當構建集群或者非集群系統。
圖2提供數據分布和集中兩種共存的方式
為了保護現有投資，各院校企業可以繼續使用原有的資源庫平台，為了實現專業資源的共建共享，需要統一編制專業代碼，同時提供資源規范的轉換代理。學習資源的共享提供在線和離線的上傳機制，將分平台的共享學習資源共享至總平台的雲存儲數據中心。
總平台是本項目的核心建設內容，一方面為學習者提供統一的訪問入口；另一方面為不打算建立私有的分平台的院校企業提供學習資源的建設和管理平台。為了實現多客戶模式的應用系統，總平台採用SAAS模式進行開發，隔離各院校企業的資源建設和管理許可權。另外，總平台中各院校企業建設的資源統一存儲在雲存儲上，可以使教育信息資源的共享更為方便和快捷。由於雲計算使用的是集中存儲的方式，所有數據被存儲在規模龐大的數據中心，它們有先進的技術和專業團隊負責數據的管理和安全工作，能夠滿足資源庫規模擴大和數據安全的要求。同時，由於雲計算能跨設備跨平台，用戶可以輕而易舉地在各種終端之間同步獲取數據，並可隨時與任何人分享，具備良好的開放性和共享性，各個院校企業可以利用雲計算所提供的強大的協同工作能力實現教育信息資源的共建、共享，避免形成一個個資源庫孤島。
總平台和分平台之間通過在線代理或者離線工具，對學習資源編目或者實體進行有選擇性和分類型的同步操作，保證總平台和分平台之間共享數據的一致性。
不管是總平台還是分平台上的應用系統，為了激勵資源建設者的積極性，使用積分制度保證資源建設者的利益分配，同時在總平台提供排行制度，比如評價、積分、優質、考核等排行機制。
3.通過技術方法，實現平台「共建、共享、共用」
正如前文所述，為保護現有的技術投資，各院校企業可以建立各自的分平台，而且可以繼續使用現有的資源庫平台作為分平台。由於現有資源庫平台的異構，以及資源數據的規范的不統一，特別是課程課件資源的五花八門，造成資源共享的障礙。因此，為了保證資源的規范和統一，需要提供相應的資源採集和轉換工具，實現現有資源的共享，避免重復勞動和現有投資的浪費。
在系統方案上，需要提供在線和離線的轉換工具或者應用代理，使資源實現透明化的無縫轉換。
教育信息資源之所以可以在各個異構的分平台以及總平台之間共享、傳輸和同步，必須建立在統一的資源規范標准上。目前，資源建設規范在國際上都有統一的標准可以參考。
4.平台包括統一門戶的在線學習系統
在總平台的系統中，除了提供各院校企業的專業學習資源的建設和管理外，還需要提供一個統一門戶的在線學習系統。該學習系統位於本平台體系結構中的最上層，是建立在統一信息門戶基礎上的一個子門戶。
統一信息門戶平台將數字化校園的信息和應用資源有機整合成一個統一的WEB頁面，用戶只要擁有一個帳號，就能訪問到許可權范圍內的所有資源（公告、 通知等）。同時，不同的用戶可以根據自己喜好來定製信息和服務內容，個性化設置自己的界面風格，用戶可以享受到數字化校園所提供的個性化信息服務。
在線學習系統作為統一信息門戶中的子門戶，提供全部共享的學習資源的訪問入口點，學習者通過安全登錄後，可以訪問自己定製或者系統共享提供的學習內容，為院校、企業或者社會人員提供終身學習和全民學習的途徑。學習資源將按照專業以及專業對應的崗位進行分類發送，跟蹤學習者的學習興趣和愛好，智能推薦學習資料、學習夥伴、學習社區等等。
本項目組將在專業教學資源庫建設的基礎上，開發基於雲計算的數字化教學資源管理與應用平台，提供專業共建、資源檢索、信息查詢、解決方案共享、資料下載、技術指導、學習咨詢、統一在線學習系統等服務項目。
5、質量工程項目管理
5.1、課程創建
5.2、課程審報管理
5.3、課程內容管理
課程級教學資源主要建設欄目包括：
1）課程標准
課程標準是課程的性質、目標、內容、實施建議的教學指導性文件，項目採用「規定動作」+「自選動作」的模式，開發具有普適性的課程標准，為課程建設和教學實施提供基本框架方案，同時為具備區域或行業特色的院校留出特色空間。
2）課程負責人說課
配套課程負責人說課方案和說課錄像，為課程建設和實施提供參考。
3）教學設計
教學設計是根據教學對象和教學目標，確定合適的教學起點與終點，將教學諸要素有序、優化地安排，形成教學方案的過程。以學習單元為單位進行配套教學設計開發，為有效的教學實施提供參考方案。
4）教學課件
以學習單元為單位開發配套的教學課件，為學習者服務，幫助學習者更好的融入課堂，理解知識，更好的完成學習任務。
5）教學錄像
以學習單元為單位開發配套的教學錄像，幫助學習者更好的理解專業知識，有效的完成學習任務。
6）演示錄像
每個實操項目配套開發演示錄像，幫助學習者反復觀摩實操規范和方法，幫助學習者提高實踐技能。
7）任務工單
以學習單元為單位開發配套的任務工單，引導學習者有效參與基於行動導向的教學過程中，培養學習者的學習自覺性，輔助學習者通過行動實現高效能的學習。
8）學習手冊
以學習單元為單位開發配套的學習手冊，為學習者提供有針對性的、優質的學習資料。
9）測試習題
以學習單元為單位開發配套的測試習題，幫助學習者完成單元學習後進行學習測試和評價。
另外，為滿足不同區域院校的個性化需求，各校可推薦精品課程鏈接入庫，所推薦的課程必須是國家級、省級以上精品課程和部分優秀院級精品課程，課程名稱可以是校本化的。
（3）素材級教學資源建設
素材教學資源是專業教學資源和課程教學資源的素材提供地。按照媒體類型分類包括文本、圖片、音頻、視頻、動畫等；支持以下內從內：
1）圖片素材
2）視頻素材
3）動畫素材
4）虛擬實訓素材
5）企業案例素材
6）課件素材
7）習題素材
② 淺析雲存儲系統的幾種形式
如果數據是動態的就會被遷移到靠上的存儲層，最終保存在某種固態盤（SSD）中。自動分層系統有很多種，其中影響最小也是最安全的使用方式就是將其作為保存動態數據的緩存。特別是，這些系統將幫助雲存儲邁向主流。
緩存類型的自動分層系統將動態數據從傳統機械存儲中拷貝到基於高速內存的緩存（RAM或者快閃記憶體固態盤）中。在這種拷貝模式中，自動分層系統被用作一個大型的讀取緩存，幾乎不保留數據的唯一副本。即使當他們通過緩存入站寫入的寫入加速器，保留唯一數據副本也僅僅需要幾分鍾的時間。在這些模式下，這些系統可以幫助雲存儲技術為更主流的存儲要求提供服務。
雲存儲系統也分為幾種形式。比較常見的一種是作為NAS存儲型的「價值層」，具有極高的成本效益和高度可擴展性。但是這種成本效益和可擴展性通常是以犧牲性能為代價的，使得基於雲的存儲系統無法被更多地用於主流的存儲資源。很多用戶和提供商希望能夠更廣泛地部署雲存儲，並利用自動分層系統來填補這個空白。
然而，當被用於更主流的用途時，雲存儲系統將帶來一個挑戰，那就是他們通常是軟體解決方案，有時候採用了提供給用戶的通用硬體和磁碟驅動器。這使得成本降低下來，因為數據集被分布到多個類型的存儲應健中。現在主要的存儲製造商都將精力放在了交付用於他們一級存儲平台的自動分層系統上，在提升性能的同時控制住成本。然而一級存儲並不常用於雲存儲部署中，而且主要的存儲製造商也都堅持在他們的低端存儲系統中提供自動分層系統技術，防止這些性能升級的系統影響到他們的一級存儲市場。
自動分層系統解決方案部署就緒之後，所有網路傳輸都將通過這個系統。自動分層系統設備會對存儲傳輸進行分析，然後根據它的訪問特性，將動態數據塊保存在高速存儲層中——通常是RAM或者SSD，也可能是高速SAS。因為對這些數據的讀取操作來自於高速存儲區，因此可以快速地交付給用戶或者應用。
在基於NAS的雲存儲中，有很多中應用實例是要求有更高的性能。首先是安裝一個比傳統NAS成本更低、可擴展性更高的NAS雲存儲系統；一個內部私有雲存儲系統。在這種應用實例中，不可避免地需要比雲存儲系統本身設計交付更高的性能。向雲存儲前端添加自動分層系統往往可以解決大多數性能問題。
第二個使用實例就是更經典的「雲存儲提供商」模式。如果一個提供商的某些用戶擁有一些突然變得非常動態的數據，那麼這些數據就可以被遷移到自動分層系統中。盡管這些數據的大多數請求可能是從一個速度較低的連接訪問這些數據，但是1000個用戶的訪問合起來就可能導致存儲方面的瓶頸。
大多數雲存儲系統是「鬆散集群的」，這意味著單個節點的性能會成為瓶頸，因為數據並沒有像和緊密配對的集群一樣被分布到節點中。結果是，如果一個文件被頻繁訪問，那麼每次它只能從一個節點被讀取。解決方法就是，將這個文件拷貝到集群中的多個節點，然後改變應用以了解還有誰需要這個文件。除此之外，如果對這個文件的訪問頻率降低下來，則需要找到這個文件的冗餘副本並進行刪除。在大多數情況下，最後一個步驟很少發生，這就導致大量的空間浪費。這樣就要求存儲管理員付出更多額外的管理時間。
另外一個更簡便且更有效的解決方案就是添加自動分層系統。系統分層系統會將訪問頻繁的文件（或者文件片段） 遷移到RAM或者基於固態盤的緩存區中。然後，當文件被頻繁訪問的時候，系統就會從高速存儲區提供這個文件。這種方法不需要對環境進行變動（或者變動有限），當文件被頻繁訪問的時候可以被識別出來並遷移到高速存儲中。然後，隨著訪問頻率降低，文件將被自動遷移到緩存中。因此，存儲就變成可自主管理和自主調節的存儲。
自動分層系統解決方案通常被用於加速高端NAS。這些系統已經擁有高速磁碟子系統和多個高速網路連接。高端NAS被用於交付機械驅動器所能提供的最佳性能。在更換整個存儲陣列之前，自動分層系統往往被作為最後一種解決方法。
另一方面，NAS雲存儲系統並不一定具有和傳統NAS相同的性能水平。正如前面所說，重點往往是成本削減和可擴展性，以犧牲性能為代價。隨著雲存儲環境的擴展——或者隨著雲存儲被更多地用於主流應用中，原始存儲性能的欠缺迫使存儲經理考慮選擇更傳統的解決方案。他們可以考慮的選擇之一就是不限制存儲的自動分層應用。這兩種技術的結合將提供更高的性能，同時保持了成本和可擴展性方面的優勢。
③ 做深度學習，需要配置專門的GPU伺服器嗎
深度學習是需要配置專門的GPU伺服器的:
深度學習的電腦配置要求：
1、數據存儲要求
在一些深度學習案例中，數據存儲會成為明顯的瓶頸。做深度學習首先需要一個好的存儲系統，將歷史資料保存起來。
主要任務：歷史數據存儲，如：文字、圖像、聲音、視頻、資料庫等。
數據容量：提供足夠高的存儲能力。
讀寫帶衫襲灶寬：多硬碟並行讀寫架構提高數據讀寫帶寬。
介面：高帶寬，同時延遲低。
傳統解決方式：專門的存儲伺服器，藉助萬兆埠訪問。
缺點：帶寬不高，對深度學習的數據讀取過程時間長(延遲大，兩台機器之間數據交換)，成本還巨高。
2、CPU要求
當你在GPU上跑深度網路時，CPU進行的計算很少，但是CPU仍然需要處理以下事情：
（1）數據從存儲系統調入到內存的解壓計算。
（2）GPU計算前的數據預處理。
（3）在代碼中寫入並讀取變數，執行指令如函數調用，創建小批量數據，啟動到GPU的數據傳輸。
（4）GPU多卡並行計算前，每個核負責一塊卡的所需要的數據並行切分處理和控制。
（5）增值幾個變數、評估幾個布爾表達式、在GPU或在編程裡面調用幾個函數——所有這些會取決於CPU核的頻率，此時唯有提升CPU頻率。
傳統解決方式：CPU規格很隨意，核數和頻率沒有任何要求。
3、GPU要求
如果或扮你正在構建或升級你的深度學習系統，你最關心的應該也是GPU。GPU正是深度學習應用的核心要素——計算性能提升上，收獲巨大。
主要任務：承擔深度學習的數據建模計算、運行復雜演算法。
傳統架構：提供1~8塊GPU。
4、內存要求
至少要和你的GPU顯存存大小相同的內存。當然你也能用更小的內存工作，但是，你或許需要一步步轉移數據。總而言之，如果錢夠而且需要做很多預處理，就不必在內存瓶頸上兜轉，浪費時間。
主要任務：存放預處理禪虛的數據，待GPU讀取處理，中間結果存放。
深度學習需要強大的電腦算力，因此對電腦的硬體配置自然是超高的，那麼現在普通的高算力電腦需要高配置硬體。