人工智能教学与实践支撑平台

虚拟桌面在线实验环境

学生直接在浏览器上进行实验，界面分为左右两栏，左栏为实验指导书，右侧为一个真实的虚拟机环境。无需配置繁琐的本地环境，随时随地在线流畅使用，极佳的用户体验。 深入了解

Jupyter 在线实验环境

使用Jupyter撰写实验报告，简化交互式计算与数据分析类实验。实验文档与执行代码收归一处，极好的用户体验。
基于Docker技术进行用户隔离，CG系统自动进行负载均衡和资源分配。
深入了解

完善的课程管理与考试平台

支撑所有人工智能与大数据专业课程的教学与实践，实现在线资源的统一管理。
支持各类题型（填空、选择、判断、文件上传、简答、编程等）、在线作业、在线实验、在线考试、在线答疑等课程管理功能，支持MOOC视频播放。

代码自动评判

利用代码自动评判功能支持人工智能专业基础课程（Python、Java等）编程语言教学， 深入了解

教育大数据沉淀

CG平台完整汇集学生在整个培养阶段的学习过程数据、项目实践数据、考试成绩数据，为本校的教育人工智能研究提供数据支撑。

CG人工智能解决方案特色

一门课仅需一台服务器。基于虚拟机多用户共享，和CPU/GPU计算资源的动态调度技术，极大节约计算资源，一台服务器支撑300人同时在线实验。

支持vGPU调度

对于人工智能实验中的深度学习作业，平台支持GPU加速卡，以提升模型训练效率。对于学生提交的深度学习作业，由作业调度和管理系统统一调度到由CPU+GPU构成的高性能异构集群上执行训练过程。

希冀平台实现了对GPU资源的三种调度方式

vGPU调度。基于vGPU技术，可以实现将GPU水平拆分成多个虚拟GPU，各个虚拟GPU中各自拥有独立的计算和显存资源，多人同时使用互不干扰，大幅度提升GPU的利用率。

时间片轮转调度。当学生人数大于GPU数量时，时间片轮转策略是公平分配GPU资源的最佳策略。时间片轮转的调度方式可实现少量GPU卡支持多个学生同时进行深度学习实验的需求。

单人多卡的调度模式。支持使用GPU集群的方式加提升单个模型的训练效率，使学生具备开展大型深度学习实验的计算环境。

工业生产级实验环境架构

传统的人工智能与大数据的实验模式是给每个学生分配1台虚拟机，在虚拟机内预装人工智能和大数据的实验工具。受限于单台虚拟机的存储能力和计算能力，每个学生只能进行简单的“伪大数据”实验。

CG实验架构具有以下几方面优势

大幅减少服务器数量。采用桌面和作业分离的架构，可大幅降低对硬件服务器资源的要求。在CG的工业生产级实验架构中，即每台服务器可支撑300人同时进行基于虚拟桌面的在线实验。CG大数据是目前唯一能够做到单台服务器支持300人并发的虚拟桌面在线实验环境。

体会大数据工具真正的魅力。事实上，如果集群的规模不够大，大数据工具的处理性能比单机上由C语言实现的具有同样功能的程序的性能还要差很多。只有作业集群的规模足够大时，学生才会体会到大数据工具在编程模型、弹性调度、水平扩展、运行时容错、高可靠设计等方面的魅力。

支撑学生开展大型实验。工业生产级集群为每个学生提供了更强大的存储能力和计算能力，为学生开展大型人工智能和大数据实训项目提供了基本条件。

支撑数千人并发的部署方式

对于需要在全校开展人工智能与大数据基础课的高校，CG平台提供了支撑数千人同时在线实验的解决方案。CG平台通过引入VNC代理服务器，分流虚拟桌面的网络带宽压力，实现了对数千并发量的支撑。

左图是支持3000人并发在线实验的部署架构示意图。3000人同时在线实验，仅需要 10台桌面服务器。

除了解决数千人同时在线实验的问题外，还可解决学生在全球任意位置随时登陆平台进行在线实验的需求。

高质量的教学资源

人工智能知识体系图 大数据知识体系图

人工智能课程体系内相关课程： Python实训 数据库实验 算法与数据结构 大数据

部分人工智能课程实验资源：机器学习、深度学习、自然语言处理、人工智能数学基础、智能控制机器人、智能计算系统、智能应用系统综合设计