色天堂视频,亚洲福利精品,男生女生叉叉叉视频

問：實驗室的硬件條件好壞對你的科研有多大影響？

答：啥條件都行，沒有影響。

我們堅信以下三點：

1、科學(xué)家就是專門負(fù)責(zé)搞科研的；

2、不依賴別人，你的研究效率和節(jié)奏必須掌握在你自己手里；

3、不管是嘗試有風(fēng)險的新穎項目，還是運用深度學(xué)習(xí)手段，科研多試錯才能出好東西。

有老師跟我們吐槽說，一天天地忙著維護(hù)環(huán)境，整得跟運維工程師一樣了，太耽誤事兒。想找學(xué)生幫忙吧，他們很多也不懂啊~

老師們的碩博后們也苦不堪言，本專業(yè)要學(xué)的東西已經(jīng)多到爆炸，又要理論還要搞實驗，還要學(xué)大量計算機專業(yè)知識……

你這邊數(shù)據(jù)剛拿到手，別人文章都發(fā)了……救救孩子吧。

守著大把機器的，不見得有恃無恐；
得不到的，永遠(yuǎn)在騷動，甚至還會掉頭發(fā)。。。

我們?yōu)?strong>這一屆科研計算人準(zhǔn)備的趕DDL紅寶書分為上下兩篇：

《學(xué)生篇》

一、你們具體怎么幫我們搞科研的？展開說說
二、在云上和在本地跑任務(wù)有什么區(qū)別？
三、我自己也會上云，為啥要選你們？
四、你們跟超算比怎么樣，有區(qū)別嗎？

《老師篇》

五、我是一個老師，你們對我的科研工作/團(tuán)隊管理有什么幫助？
六、我是藥物/生物/化學(xué)專業(yè)方向的，你們能做到什么程度？
七、我是集成電路/微電子專業(yè)方向的，你們能做到什么程度？
八、我是力學(xué)/熱能/機械工程專業(yè)方向的，你們能做到什么程度？

你想問的，這里都有答案。
你想要的，我們能提供更多。

以下是學(xué)生篇

一、你們具體怎么幫我們搞科研的？展開說說？

1、你們面向的是哪些科研方向的人？

四大類：

集成電路/微電子專業(yè)方向，包括物理電子學(xué)/電路與系統(tǒng)/微電子學(xué)與固體電子學(xué)等專業(yè)；

藥物/生物/化學(xué)專業(yè)方向，包括生物化學(xué)與分子生物學(xué)/化學(xué)工程/生物化學(xué)/生物工程/藥物化學(xué)/分析化學(xué)/高分子化學(xué)與物理等專業(yè)；

力學(xué)/熱能/機械工程專業(yè)方向，包括流體力學(xué)/工程力學(xué)/機械制造及其自動化/車輛工程/工程熱物理/熱能工程/動力機械及工程/流體機械及工程/航空宇航制造工程等專業(yè)；

以及高校或科研機構(gòu)的AI訓(xùn)練平臺、虛擬仿真實驗室等等。

2、你們是怎么幫助我們這些搞科研的人的？

兩點結(jié)論：

1、讓大家更專心做科研，提升高校及科研機構(gòu)師生的整體科研效率，讓IT能力跟上科研能力。
2、避免大家因為資源不夠而不得不選擇短平快的研究，不敢嘗試。

具體分成以下四個維度：

一整套針對應(yīng)用優(yōu)化的自動化科研環(huán)境，即開即用；
海量資源加智能決策輔助，大幅提升計算效率同時降低成本；
有針對老師需求的獨特場景（這一點后續(xù)單獨展開）；
讓IT能力跟上科研能力，可視化操作，輕松上手。

3、你們是通過哪些手段大幅提升計算效率的？

應(yīng)用云端優(yōu)化、即開即用的云平臺、云端海量資源、Auto-Scale、調(diào)度器……

具體可見以下實證：

Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？
1分鐘告訴你用MOE模擬200000個分子要花多少錢
LS-DYNA求解效率深度測評 │ 六種規(guī)模，本地VS云端5種不同硬件配置
揭秘20000個VCS任務(wù)背后的“搬桌子”系列故事
155個GPU！多云場景下的Amber自由能計算
怎么把需要45天的突發(fā)性Fluent仿真計算縮短到4天之內(nèi)？
5000核大規(guī)模OPC上云，效率提升53倍
提速2920倍！用AutoDock Vina對接2800萬個分子
從4天到1.75小時，如何讓Bladed仿真效率提升55倍？
從30天到17小時，如何讓HSPICE仿真效率提升42倍？

4、一整套科研環(huán)境指什么？

包括了應(yīng)用環(huán)境和底層的運行環(huán)境。

我們?yōu)橛脩籼峁牡卿涀烂妗⒋蜷_應(yīng)用、配置、提交任務(wù)、自動上云開機運行任務(wù)并自動關(guān)機、查看結(jié)果進(jìn)行調(diào)試……用戶所需要的操作與本地幾乎完全一致，每一步只需在平臺上使用鼠標(biāo)簡單點選即可完成。

5、具體降低了什么工作量？

整套自動化環(huán)境避免了大量手動操作，也降低了出錯概率。

工具的最大價值，是把人從機械性的重復(fù)勞動中解放出來，騰出時間來思考更重要的事。
比如，一百個任務(wù)一個個手動寫？一百臺機器一個個登陸上去裝應(yīng)用，配置環(huán)境？任務(wù)跑著跑著失敗了，手動一個個重來？

避免重復(fù)勞動，一次操作完成所有需要手動一次次做的事，一百次就忍了，一千次，一萬次呢？

也不需要團(tuán)隊每個人重復(fù)一遍同樣的學(xué)習(xí)過程，做個模板它不香嗎？

6、你們說的應(yīng)用或者任務(wù)，指的是什么？

藥物/生物/化學(xué)/集成電路/微電子/力學(xué)/熱能/機械工程/人工智能專業(yè)相關(guān)的軟件/工具。

藥物/生物/化學(xué)方向的有 Autodock Vina、NetMHC、Qvina、Amber、MaterialsStudio、GATK、VASP、Rosetta、Schr?dinger、BCFtools、Gromacs、FastQC、DeltaVina、Gaussian等；

集成電路/微電子方向的有 Innovus、Spectre、Genus、Dracula、Virtuoso、Ncsim、PowerSI、Xcelium、PT、DC、VCS、VC、FM、Verdi、OPC Proteus、Tmax2、HSPICE、Spyglass、Starrc、Calibre、Tessent、nmLVS、nmDRC、xACT、xL、xRC等；

力學(xué)/熱能/機械工程方向的有 Abaqus、Autodesk、Bladed、CFX、COMSOL、Fluent、HyperWorks、LS-DYNA、Matlab、Mechanical、MSC Adams、MSC Nastran、StarCCM、SOLIDWORKS、VASP、WRF等；

人工智能方向的有 Pytorch、Mxnet、Tensorflow、Caffe2、Miniconda、Scikit Learn/OpenCV、Pylearn2、Keras等。

7、你們和這些軟件/工具，有什么區(qū)別呢？

一句話概括，我們是EDA/CAE/CFD/生物/化學(xué)/AI計算云平臺，通過我們可以在短時間內(nèi)調(diào)集海量資源，為上述軟件/工具加速，從而搶在各種科研deadline之前跑完任務(wù)，拿到結(jié)果。
關(guān)于我們的其他優(yōu)勢與技術(shù)能力，可以通過后面的問題了解。

8、你們哪里來的計算資源？

目前我們從多家云廠商調(diào)集海量多云資源。

9、有時候為了搶幾臺機器都要跟實驗室的師兄弟姐妹斗智斗勇，你們的資源真有那么多？

云上資源非常多，我們曾經(jīng)根據(jù)IDC報告推測國內(nèi)云廠商的服務(wù)器總量超過116萬臺，2020年中國公有云服務(wù)市場的全球占比為6.5%，可大致估算出全球公有云廠商的服務(wù)器總量超過千萬臺。
重點是，這些機器都是可用資源。

10、支持AWS/華為云/GCP/Azure/阿里云/騰訊云……嗎？

國內(nèi)外主流云廠商我們都支持。

11、你們跟云廠商有什么區(qū)別？

我們是從應(yīng)用出發(fā)，為應(yīng)用定義的云平臺。
而云廠商主要在IaaS層，距離用戶的實際應(yīng)用還有非常長的距離。
在云的基礎(chǔ)架構(gòu)和應(yīng)用之間，需要借助應(yīng)用優(yōu)化、多云環(huán)境支持等方式來滿足用戶需求。

12、那我直接用云廠商是不是就行了？

參考上一個答案。
直接用云廠商需要做大量的IT調(diào)試，而我們已經(jīng)對接了眾多主流云廠商的API，可以用統(tǒng)一的方式方法完成自動化部署，簡化用戶使用云資源的方式，降低學(xué)習(xí)成本，幫助用戶高效地用好云，將精力集中在科研任務(wù)上。

13、聽說還有個云管平臺，跟你們有什么不同？

我們更貼近應(yīng)用，在云管平臺之上。a具體可查看《靈魂畫師，在線科普多云平臺/CMP云管平臺/中間件/虛擬化/容器是個啥》

14、之前上過云，發(fā)現(xiàn)有些類型的資源比較少（如部分型號的GPU），需要分別從幾個不同云廠商調(diào)資源，你們支持嗎？

我們支持多云。
多云指使用來自多個云廠商的多種服務(wù)，可以最大限度利用不同云廠商的不同優(yōu)勢，就像你說的從幾個不同云廠商調(diào)資源。而在產(chǎn)品價格、地域選擇，多云也更有優(yōu)勢。

15、云上的虛擬機靠譜嗎？性能可以嗎？

放心，性能相當(dāng)，并可以更好。
兩方面原因：
1、云上的硬件更新快（詳見第54問）；
2、云上虛擬化性能逐步接近裸機。

16、各個云之間的虛擬機性能有差異嗎？我不會選怎么辦？

有。我們可以為用戶提供專業(yè)建議。

17、云上用的機型是超線程的還是物理核的？

大多數(shù)云廠商支持開啟和關(guān)閉超線程。

18、我做的課題需要特定類型的計算資源，而且可能需要好幾種，云上有GPU/大內(nèi)存資源嗎？

有，我們和云上的資源是保持同步的。
包括但不限于超大內(nèi)存、超大硬盤、網(wǎng)絡(luò)優(yōu)化、GPU等資源，并且十分靈活，即開即用，隨關(guān)隨走。
我們對不同類型云端資源有非常詳盡的研究分析，具體看《【2020新版】六家云廠商價格比較：AWS/阿里云/Azure/Google Cloud/華為云/騰訊云》

19、License在云上能正常用嗎？

License無論在云上還是本地都能正常使用。

在這篇《EDA云實證Vol.4： 5000核大規(guī)模OPC上云，效率提升53倍 》中，我們將License Server分別部署在本地和云端，計算結(jié)果完全一致，集群運行均無中斷，GUI啟動均正常。

20、你們有自己的資源中心嗎？

公有云以及第三方IDC合作共建的數(shù)據(jù)中心。

21、使用機器需要排隊嗎？

正常使用云上資源無需排隊。

如果是上萬核那種的，建議提前聯(lián)系我們調(diào)配資源。

22、那啟動機器需要多久？

除了特殊機型，啟動單機的時間幾乎可以忽略不計。

如果是集群，根據(jù)集群規(guī)模大小需要若干分鐘的等待時間。

23、發(fā)paper、趕實驗工期、開組會……我們經(jīng)常會特別著急臨時要跑一個任務(wù)，你們最快多久可以用上？

無需排隊，即開即用，參考前兩個問題。

24、半夜發(fā)現(xiàn)實驗結(jié)果有問題，第二天就要交了，你們的資源隨叫隨到嗎？

全程操作自服務(wù)，白天晚上沒區(qū)別。

25、使用過程中遇到問題，你們有人支持嗎？

我們大部分是自服務(wù)，如果你們遇到問題，我們也提供人工服務(wù)。

二、在云上和在本地跑任務(wù)有什么區(qū)別？

26、我現(xiàn)在常用的應(yīng)用有好幾個，都是直接放到云上就可以跑嗎？

是的，我們不僅支持常規(guī)應(yīng)用，也支持用戶自定義安裝。
原先在本地上怎么用，在云上就怎么用。

27、我在自己機器怎么跑應(yīng)用，在云上就怎么跑嗎？需要每次都配置嗎？

不需要每次都配置。
一次配置，無限使用。

28、從來沒上過云，你們的云平臺用起來麻煩嗎？

我們基本不會改變用戶的使用習(xí)慣，配置完成之后，使用者跟原先的使用習(xí)慣是一致的。
我們支持WebVNC遠(yuǎn)程桌面接入和WebSSH遠(yuǎn)程命令行接入功能。
詳見《CAE云實證Vol.5：怎么把需要45天的突發(fā)性Fluent仿真計算縮短到4天之內(nèi)？》

29、搞不定命令行，你們支持圖形界面登錄嗎？

我們支持Linux VNC，也支持Windows RDP。

30、多機并行跑任務(wù)真的特別快嗎？

云端的一大特點，就是你用相同的錢，可以讓1臺機器跑100小時，也可以讓100臺機器跑1小時，后者就是多機并行，能夠大大節(jié)省跑任務(wù)的時間。
效果參考問題3。

31、所有的應(yīng)用都可以靠多機并行來提升效率嗎？

不是所有的應(yīng)用都支持，我們可以基于經(jīng)驗為用戶提供建議。
有些應(yīng)用本身不支持多進(jìn)程處理，有些應(yīng)用雖然支持分布式但對分布式支持并不好，也就無法依靠多機并行來提升效率，但我們可以通過為其尋找更適合的機型、提升自動化程度等多個角度來提升效率。

不同機型對應(yīng)用效率的提升有多大？看這篇《CAE云實證Vol.5：怎么把需要45天的突發(fā)性Fluent仿真計算縮短到4天之內(nèi)？》

32、使用你們的平臺需要自己安裝操作系統(tǒng)嗎？

不需要，可以選擇需要什么操作系統(tǒng)。

33、我跑的應(yīng)用沒有windows版本，你們支持linux系統(tǒng)嗎？

支持。

34、云上可以支持集群嗎？

可以。

我們支持LSF/SGE/Slurm集群。

35、我習(xí)慣了自己寫代碼，能不能直接通過代碼來調(diào)集群？

對于本身對應(yīng)用工作流的理解和編程能力超強的用戶，我們提供更高級用戶模式，可以直接根據(jù)自己寫的腳本，通過Web瀏覽器選擇新建集群，然后按需動態(tài)地在云端創(chuàng)建HPC集群。

36、云上的集群也像本地一樣需要一臺臺部署嗎？

不需要。
傳統(tǒng)IT模式下，通常都是先構(gòu)建一個固定規(guī)模的集群，然后提交任務(wù)，當(dāng)全部任務(wù)結(jié)束后再關(guān)閉集群。

我們實現(xiàn)了云上集群的自動化部署，只需點擊幾個按鈕，5-10分鐘即可開啟集群，并在任務(wù)結(jié)束后自動關(guān)機。詳情可參考《EDA云實證Vol.1：從30天到17小時，如何讓HSPICE仿真效率提升42倍？》

37、訪問集群會很麻煩嗎？

訪問集群，既可以通過命令行，也可以通過WebVNC圖形界面方式直接訪問。
我們?yōu)樗杏脩裘赓M提供WebVNC功能，自動化創(chuàng)建到訪問集群：

1、通過Web瀏覽器登錄fastone平臺；

2、在Web界面新建集群、配置資源；

3、在已創(chuàng)建的集群點擊WebVNC遠(yuǎn)程桌面圖標(biāo)（同時提供WebSSH遠(yuǎn)程命令行功能）；

4、跳轉(zhuǎn)到虛擬桌面，可在該桌面中操作應(yīng)用。

38、云端硬件該怎么選？有什么講究嗎？

需要根據(jù)具體的應(yīng)用而定。
具體可參考下圖：

三、我自己也會上云，為啥要選你們？

39、我之前用過云，為啥還要選你們？

我們對接了幾乎所有的主流云廠商，多云的優(yōu)勢參見第14問。
我們還能帶來許多其他方面的提升，具體可參考后面幾個問題。

40、我們實驗室里才幾臺機器，天天維護(hù)頭就很大了，云上這么多機器還不得把自己搞禿了？

云上的運行環(huán)境都是自動化配置的，不需要人工干預(yù)，用戶還可以通過平臺進(jìn)行統(tǒng)一管理和監(jiān)控，方便易操作。
舉個例子，我們的Auto-Scale功能可以自動監(jiān)控用戶提交的任務(wù)數(shù)量和資源的需求，動態(tài)按需地開啟和關(guān)閉所需算力資源，在不夠的時候，還能根據(jù)不同的用戶策略，自動化調(diào)度本區(qū)域及其他區(qū)域的目標(biāo)類型或相似類型實例資源。
所有操作都是自動化完成，無需用戶干預(yù)。
下圖就是開啟Auto-Scale功能后，用戶某項目一周之內(nèi)所調(diào)用云端計算資源的動態(tài)情況。
其中橙色曲線為OD實例的使用狀況，紅色曲線為SPOT的使用狀況。

可以看到整個階段算力波峰為約3500核，而波谷只有650核左右。Auto-Scale功能可以根據(jù)任務(wù)運算情況動態(tài)開啟云端資源，并在波峰過去后自動關(guān)閉，讓資源的使用隨著用戶的需求自動擴張及縮小，最大程度匹配任務(wù)需求。具體戳《EDA云實證Vol.10：Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？》

41、是不是可以認(rèn)為你們就是個調(diào)度器？

調(diào)度器是我們平臺的一個重要組件。

42、你們這個調(diào)度器是怎么個智能法？

我們是基于用戶策略的雙層智能調(diào)度。

上層調(diào)度程序支持靈活的用戶策略：

-基于位置
-基于性能
-基于成本
-基于團(tuán)隊/組織目標(biāo)……
下層調(diào)度程序滿足應(yīng)用要求：
-基于Slurm/LSF/SGE/PBS的工作任務(wù)
-基于容器的K8S工作任務(wù)……

智能調(diào)度用戶策略詳情看這個《生信云實證Vol.3：提速2920倍！用AutoDockVina對接2800萬個分子》

43、數(shù)據(jù)怎么做到云上、線下同步？

我們有專門的數(shù)據(jù)傳輸工具DM（Data Manager），讓用戶無需在多套認(rèn)證系統(tǒng)之間切換，使用統(tǒng)一的身份認(rèn)證即可傳輸數(shù)據(jù)，并自動關(guān)聯(lián)云端集群進(jìn)行計算，不改變其原有的使用習(xí)慣。

44、任務(wù)跑得怎么樣可以在平臺上監(jiān)控嗎？

提交任務(wù)后，可以在監(jiān)控界面中查看任務(wù)和集群運行情況。
我們也可以在界面上查看任務(wù)運行的日志。

我們還支持實時查看任務(wù)本身的狀態(tài)，比如Fluent的殘差曲線，監(jiān)控計算的收斂情況。

45、老師想搞深度學(xué)習(xí)，需要很多GPU，但有時候云上連幾塊GPU都很難搶到，怎么辦？

一般來說單家云廠商的GPU可用資源是比較有限的，我們曾經(jīng)在一個任務(wù)中成功地調(diào)用了155塊NVIDIA Tesla V100，單個公有云廠商單區(qū)域資源未必能夠隨時滿足這種需求。這里面就還涉及到跨云調(diào)度。
具體可以看《生信云實證Vol.6：155個GPU！多云場景下的Amber自由能計算》

46、我試過自己搶云廠商的SPOT，雖然確實很便宜，但非常難用，隨時會斷掉，你們對SPOT支持到什么程度？

由于SPOT一定會被搶走，我們的建議是用SPOT去算那些單個任務(wù)小總數(shù)卻很多的東西。
比如生物/化學(xué)計算里的分子對接。常規(guī)分子對接任務(wù)幾分鐘即可算完，特別適合SPOT這種分分鐘可能被搶走的狀態(tài)。而且我們平臺具備自動重試功能，一個任務(wù)被中斷可以自動重新提交，任務(wù)之間互相不影響，重新提交單個任務(wù)影響很小。

四、你們跟超算比怎么樣，有區(qū)別嗎？

47、平時用超算經(jīng)常排隊用不到，你們說自己即開即用，難道你們的機器規(guī)模比超算還大？

確實比超算大，而且不在一個量級。
我們曾經(jīng)盤點了中國已落成的主要超算中心的總節(jié)點數(shù)量，總數(shù)為54588個，其中未包括一些正在建設(shè)中的超算中心，以及小型超算中心。
即便加上這些數(shù)量，中國超算中心的總節(jié)點數(shù)量級也未過十萬。
而根據(jù)IDC公布的中國公有云市場份額占比，阿里云以46.5萬臺服務(wù)器搶下了超過40%的市場份額，我們據(jù)此反推出國內(nèi)云廠商的服務(wù)器總量超過116萬臺，超算中心與其完全不在一個數(shù)量級，可以看下圖感受一下差距。

48、這么大規(guī)模的云資源，我們都能用嗎？

短時間內(nèi)可獲取海量資源正是云資源特有的優(yōu)勢。
我們曾用AutoDock Vina上云，調(diào)用了十萬核CPU資源做分子對接，詳見《生信云實證Vol.3：提速2920倍！用AutoDock Vina對接2800萬個分子》

49、GPU也一樣能用嗎？

可以，我們曾經(jīng)在一個任務(wù)中調(diào)用了155塊NVIDIA Tesla V100做Amber自由能計算，詳見《生信云實證Vol.6：155個GPU！多云場景下的Amber自由能計算》

50、我們常用的超算中心機器配置比較固定，選擇比較少，云上可以選嗎？

云計算中心能夠給用戶提供更為豐富的計算資源選擇。
如某公有云廠商的企業(yè)級云服務(wù)器分為通用型、計算型、內(nèi)存型、大數(shù)據(jù)型、GPU型、本地SSD型、高主頻型、FPGA型、彈性裸金屬九大類，其中每一種類型還可以選擇與不同存儲和網(wǎng)絡(luò)的組合，可根據(jù)需求自由選擇。

51、你們支持的應(yīng)用跟超算差不多嗎？

我們支持所有主流科研應(yīng)用，以及用戶自編譯的科研工具。
行業(yè)方向，除了生物/化學(xué)計算和CAE/CFD方向，還有集成電路設(shè)計EDA和AI框架。

52、不太懂IT，看到Linux就束手無策，我還能用你們這個云平臺嗎？

可以的，我們支持Windows系統(tǒng)。
另外，由于分布式計算場景大部分基于Linux系統(tǒng)，我們可為用戶提供圖形化界面，基本不改變操作習(xí)慣，通過簡單的鼠標(biāo)操作就可以跑任務(wù)，上手非常快。

53、怎么申請你們的資源？手續(xù)麻煩嗎？周期要多久？

我們的云平臺即開即用，3分鐘即可使用，無需繁瑣的申請流程。
而幾乎每家超算中心都有一套申請、審核、使用流程，平均需要5.8個步驟。以國家超級計算天津中心為例，其步驟就多達(dá)8步。

54、我們學(xué)校的超算中心總是在用好多年前的舊機器，非常慢，實驗室的情況稍微好一點，你們云上有新硬件嗎？

你在云上隨時可以用到最新的硬件。
舉個例子，2019年4月3日上午，Intel在太平洋兩岸近乎同步發(fā)布了代號Cascade Lake的第二代至強可擴展處理器。當(dāng)天中午12點，國內(nèi)某云廠商便宣布其基于Cascade Lake的全新一代通用計算增強型云服務(wù)器C6正式轉(zhuǎn)為商用。

超算就要慢得多了，超算中心從規(guī)劃設(shè)計到正式上線需要經(jīng)歷若干年的時間，能夠在上線時配置當(dāng)年上市的硬件已經(jīng)是其規(guī)劃能力的最佳體現(xiàn)，其最新硬件更新周期至少要以年為單位。

55、超算資源有時候跑著跑著就被強制回收了，你們也會有這種情況嗎？

我們提供的是獨占資源，不會被搶走。

56、我們之前用超算都是共享資源，不能改，也不能自己裝一些組件，你們可以嗎？

我們提供的是獨占資源，用戶擁有管理員權(quán)限，安裝什么、如何使用均由用戶自己做主。

57、用超算總感覺限制比較多，你們有什么限制嗎？

我們的平臺沒有什么限制，連網(wǎng)即用。不但如此，我們提供的是一整套科研環(huán)境，詳見第4問。

58、你們和超算還有什么區(qū)別？

具體可以看這篇《國內(nèi)超算發(fā)展近40年，終于遇到了一個像樣的對手》

本期的《這一屆科研計算人趕DDL紅寶書：學(xué)生篇》就到這里了。

在下一期《老師篇》中，我們將從老師視角和專業(yè)應(yīng)用的角度出發(fā)，來看看高校計算云平臺對科研工作所帶來的幫助。

敬請期待哦~

- END -

我們有個科研計算云平臺
集成多種科研應(yīng)用，大量任務(wù)多節(jié)點并行
應(yīng)對短時間爆發(fā)性需求，連網(wǎng)即用
跑任務(wù)快，原來幾個月甚至幾年，現(xiàn)在只需幾小時
5分鐘快速上手，拖拉點選可視化界面，無需代碼
支持高級用戶直接在云端創(chuàng)建集群

掃碼免費試用，送200元體驗金，入股不虧~