便捷模型迭代优化，算法模型支持更新到已部署服务、已有项目｜ModelWhale 版本更新

圣诞悄然而至，2022 已进入尾声，ModelWhale 于今日迎来新一轮的版本更新，与大家一起静候新一年的到来。

本次更新中，ModelWhale 主要进行了以下功能迭代：

• 新增 模型库内模型文件更新到已有服务、项目（专业版✓ 团队版✓ ）

• 新增 已训练模型自动保存为文件、同步至模型库（专业版✓ 团队版✓ ）

• 新增 离线任务通知提醒（专业版✓ 团队版✓ ）

• 教学课程、测验试卷支持拖拽排序（团队版✓ ）

1、新增 模型库内模型文件更新到已有服务、项目（专业版✓ 团队版✓ ）

模型库可以用于承载你产出的算力、模型，方便你对它们进行整理、分享和复用。模型库内模型现除了支持快速部署为模型服务、挂载到新项目使用外，现已支持更新到已有的模型服务、挂载到已有的项目，实现便捷的模型更新、项目要素更新，更多详见模型库操作手册。

Tips：“模型库”由原来的“算法库”更名而来。

2、新增 已训练模型自动保存为文件、同步至模型库（专业版✓ 团队版✓ ）

ModelWhale 支持实时查看、记录每次模型实验的 Loss、Accuracy 和硬件使用情况，也可以进行实验比对，辅助你进行模型训练与优化（支持 Keras，PyTorch 和 TensorFlow）。完成训练后的模型，我们将自动保存为模型文件；你也可以将它们发布到「模型库」以记录阶段性成果，或者直接部署为「模型服务」以进行成果交付。操作手册内已提供模板示例供直接调用体验，具体详见训练记录操作手册。

3、新增 离线任务通知提醒（专业版✓ 团队版✓ ）

你可以使用 ModelWhale 离线任务托管运行 Notebook、脚本语句、Canvas，也可以使用不同参数组合运行同一个 Notebook（离线任务组）。现离线任务已上线通知提醒：训练任务结束后，会及时告知你任务状态（运行成功/运行失败），更多详见离线任务操作手册。

Tips：若你的 ModelWhale 已接通飞书，你也将在飞书收到通知提醒。

4、教学课程、测验试卷支持拖拽排序（团队版✓ ）

ModelWhale 整合课程管理工具、在线编程工具（Notebook、Canvas），提供多种作业类型（主观评估、自动评估、简答测验），帮助老师进行数据科学、人工智能相关课程的教学工作。现教学课程、测验试卷已支持拖拽排序，希望给你带来更好的管理体验，更多详见教学实训操作手册。

以上就是本期 ModelWhale 版本更新的全部内容。

进入 ModelWhale.com，免费试用个人版（个人研究）或试用团队版（组织协同），获赠 CPU 和 GPU 算力！（建议使用电脑端进行试用体验）

如果对 ModelWhale 有任何建议、疑问，或有试用续期需求，欢迎【联系MW】，MoMo 很高兴为你服务、与你交流。