ModelWhale上线，和鲸掀起数据浪潮

全面升级，全面发掘数据价值

        在深度分析当下用户的使用现状——需要基于某一份数据或某一种研究方向利用多种模型、集成多种角色，进行多样的探索后，ModelWhale 重新定义了“项目”的概念。对单项目多 Notebook 模式进行深度支持，方便用户在同一个场景中用不同的算法跑数据，参照对比选择最优的结果；

        还增加了协作者功能，可以设定团队各成员的权限，也方便其他成员基于前者的代码进行修改并提交合并；

        同时改变了项目的输入，在挂载项中除了可以选择组织授权、个人创建或是社区公开的数据源，还增加了算法库的模块，方便在分析中使用预训练模型；

        至于项目输出方面，ModelWhale实现了可视化解析模型的内部结构，模型类的结果可以发布到算法库进行管理或者一键部署成模型服务，若是数据类的成果，可以在线制作为数据源给到团队的协作者。

        另一个重大的升级点，就在于“拖拉拽”建模的正式上线。这一功能大幅降低了数据科学的门槛，用户可以用画布的方式拖拽，实现无代码的建模和编程。对于细分领域的业务专家来说，通过Canvas 快速搭建研究框架，就能了解数据大概会呈现怎样的效果，后续可以再把画布导出，以 Notebook的方式交给更专业的数据科学家推进下一步研究。

        当完成建模流程后，数据科学家也可以对模型进行更精细化的管理 ——直观查看模型每次训练的收敛程度、准确率、对于硬件相关的消耗等。同时，模型也能够一键部署为 Restful API 在实际场景中使用与验证模型的效果。

        此外，在计算引擎方面，ModelWhale也进行了升级，其离线训练可支持单机CPU实例、单机GPU实例以及分布式GPU集群，其中GPU集群使用的 Horovod 架构可以显著分散网络传输的压力，且随着集群的规模增大性能线性增加，令训练时长大幅减少。

        考虑到和鲸社区中这些核心用户的需求，ModelWhale也针对多样化应用场景打造出不同的模块，例如研究课题、课程作业、比赛、社区中资源库等，都可以随意调动使用，以模块化、产品化的方式改造工作流，让一切都可集成在ModelWhale中。

        ModelWhale 在这个版本中也增加了对 Julia 语言的支持，另外，为了方便程序员在长时间进行代码工作时降低视觉疲劳，ModelWhale也特别发布了暗夜模式，为用户提供更为舒适的使用体验。

全新的面貌，更大的潜能

        在这次的品牌升级中，和鲸科技还启用了新的产品品牌标识，其主色调为紫色，与公司主视觉的蓝色形成了区分。紫色在体现神秘感的同时，也展现出产品的想象力与创新力，带来了全新的品牌辨识度。

        与发布会同步上线的，还有 ModelWhale 专属网站。和鲸科技重新梳理了产品特性，按照主视觉的风格，全新设计并上线了 modelwhale.com，体现其核心产品的地位。在网站中，ModelWhale 的技术优势、功能、资讯都进行了全面拆解，介绍了 ModelWhale的科研版与教育版，方便有不同场景需求的用户深度了解。

不断迭代，进化无止境