可直接跑Jupyter Notebook，还支持断点续命

adient里集合了许多公开数据集，也可以直接用到自己的项目里。

部署一个算法

根据官网介绍，只要点击push to deploy按钮，就可以一键把算法部署成API，直接能用的那一种。

现在已经做到的功能有这些：

· 与TensorFlow集成在一起了，但也可以轻松扩展，来支持其他的模型和数据。· 有多种GPU和CPU可以用来部署。· 支持多实例部署，可以自动平衡负载。· 每个部署，都有自己专用的安全端点URL。· 可以通过Gradient CLI、Web UI/API来访问，也可以从你的自定义应用来访问。

为啥不用Colab？

面对这个直击灵魂的问题，一个高分回答 (@dkobran) 在这里：

有几个原因。

一是Colab用的是Google Drive，虽然方便但很慢。比如，训练集常常包含了大量的小文件，特别是图像数据集。Colab要提取这些数据，就一点一点爬。这样对MNIST这种小数据集来说还可以，适合做些玩玩的项目；但要训练更专业的模型，做更有趣的研究，就不太够了。

二是Notebook是完全持久的。如果用Colab，每次打开Notebook都要把所有东西重装一次。

三是Colab的实例可能跑着跑着就关了，之前的工作就丢了。而Gradient可以保证跑完整个session。

另外，Gradient支持在同一环境里添加更多存储，添加高端专用GPU。训练一个复杂的模型，比如要训练一两天、数据集有1TB的那种，也完全可以。还可以一键部署，把模型直接变成API，Colab是做不到的。

这里还提供了大量的ML模板，不论是用TensorFlow、PyTorch、MXNet、Chainer还是CNTK做的，都可以找到。许多公开数据集，系统也收录了，可以直接用进项目里。

这有可能是个官方答案，但也确实击中了许多网友柔软的内心：

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!