百度发布全新桌面版机器学习开发环境，12月赠送免费GPU算力
作为AI开发工作者，是不是经常碰到如下问题：
Q1：想做模型训练，本地机器资源不够用，怎么办？
Q2：市面上这么多代码编辑器，怎么选？
Q3：租用云服务器好贵，机型少不稳定，怎么办？
Q4：如果有增强式交互体验，那编码体验完美极了！
Q5：要是数据处理速度非常快，那会节省不少时间！
基于这些痛点问题，百度团队倾力推出BML CodeLab产品。致力于让AI技术更好服务大众，让AI开发变的更简单智能。
BML CodeLab 是什么
BML CodeLab是百度团队自主研发的面向机器学习开发环境，实现本地主机与远程机器协同开发机制，为用户带来顺畅的编码体验同时，还可以灵活调用云端算力，多人共享算力，使用户更专注于数据处理与建模工作。
BML CodeLab经过了内测和邀测版本迭代及功能优化，现正式发布0.3.1版本。
BML CodeLab 产品特色
1. 本地主机与远程机器协同开发模式
BML CodeLab不改变用户的本地编码习惯，本地调试后，就可调用云端算力进行训练，即解决了本地机器算力能力不足问题，也帮助用户省去本地编码环境与云端不断切换的繁琐操作。
2. 增强的交互式开发
为给用户带来顺畅、人性化的开发体验，在集成JupyterLab优秀功能基础上，引入微软Monaco编辑器，支持任何编程语言的代码补全、用法提示、多光标等IDE功能。
3. 高性能计算引擎
BML CodeLab内置了百度自研的高性能数据科学引擎Blackhole，利用单机GPU和CPU进行异构加速计算，相比开源Pandas/Sklearn性能可提升6倍以上，同时拥有处理10TB的单机超大数据处理能力，如下图对比结果：
同时提供和Pandas、Sklearn基本一致的易用接口，详见：
https://cloud.baidu.com/doc/BML/s/fkgdqi8i4
4. 高性价比算力资源
为给用户提供充裕经济的算力，解决资源不够用，排队时间长、运行时长受限等痛点问题，百度提供了智星云2080Ti算力能力，且支持算力共享，即一方购买了算力，可分享给其他用户使用，多人共享算力，最大化利用闲置资源。（说明：当前支持Mac/Linux系统版客户端使用算力提交云端任务，Windows版本客户端该功能目前在升级中，但可正常使用本地资源）
现在下载客户端试用，有免费算力赠送哦，详见文末彩蛋！
5. 内置百度文心（ERINE）强大的语义理解技术
BML CodeLab内置百度NLP自研的基于知识增强的语义理解技术，将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的新知识，实现模型效果的不断进化，详见：
https://cloud.baidu.com/doc/BML/s/Dkhvpl5cd
此外，BML CodeLab支持对代码、数据、模型等类型文件的版本控制；可通过不同文件颜色区分新建文件、已删除文件、已修改文件，方便用户监控文件变化，把控版本生成。
BML CodeLab还有很多功能值得开发者探索使用，在用AI服务大众的道路上，百度BML CodeLab团队一直在快速奔跑，不断探索，攻破一个个技术难题，相信团队会用先进的技术带给用户最好的体验。
点击下方链接下载试用，现在下载，还免费送100G云端存储，更有免费算力码倾囊赠送！！！
https://cloud.baidu.com/solution/bml/codelab.html
请关注下方链接，12月5日至12月11日，每天中午12点准时发送算力码，在客户端绑定即可使用，欢迎体验！
https://ai.baidu.com/forum/topic/show/974356
进入云端管理页面（可查看算力分享玩法链接）购买更高配置资源，现阶段全部5折优惠哦！
更有3080算力资源半价使用哦，联系我们了解详情！
活动免费算力码获取链接及使用说明：
https://ai.baidu.com/forum/topic/show/974356
附使用手册：
https://cloud.baidu.com/doc/BML/s/kkhemrmyv
附遇坑解决文章：
https://ai.baidu.com/forum/topic/show/973927
附算力分享玩法：
https://ai.baidu.com/forum/topic/show/974042
联系方式：[email protected]
或在社区发帖联系我们：
https://ai.baidu.com/forum/topic/list/208
????
现在，在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。
