版本 0.3.0#

我们很高兴发布 AutoGluon-Cloud 0.3.0 版本。此版本带来了显著的增强和新特性，包括对 Leaderboard API 的支持、批量推理的改进以及与 AutoGluon 1.0.0 的兼容性。一如既往，我们鼓励您尝试此新版本并分享您的反馈！

AutoGluon-Cloud 现在与支持 Python 3.11 的 AutoGluon 1.0.0 版本对齐，确保为用户提供流畅高效的体验。

在我们更新的教程中探索更多内容。

此版本包含来自 4 位贡献者的 17 次提交。

特别鸣谢

在此处查看完整的提交更改日志：https://github.com/autogluon/autogluon-cloud/compare/0.2.0…0.3.0

完整贡献者列表（按提交次数排序）

  • @yinweisu, @tonyhoo, @YiruMu, @Jwely

此版本继续支持 Python 3.8, 3.9, 3.10 和 3.11 版本。

新特性：leaderboard API#

  • 支持 Leaderboard API，提供更多模型性能洞察。@YiruMu (#94)

更新和改进：#

  • 更新了依赖版本以匹配 AutoGluon 1.0.0 的要求。@tonyhoo (#97)

  • 增强了批量推理功能，包括支持无头部场景。@yinweisu (#91)

  • 支持实时预测的额外参数，增强了灵活性。@yinweisu (#78)

  • 在 to_local_predictor 中添加了 predictor_path，以便更好地管理模型。@yinweisu (#88)

教程增强：#

  • 改进了分布式训练教程，提供了全面的指导。@yinweisu (#87)

  • 通用教程更新，提供更好的用户指导。@yinweisu (#133848f)

基础设施和权限：#

  • 改进了权限处理，增强了安全性。@yinweisu (#86)

  • 可选指定云输出路径，以便更好地控制数据存储。@yinweisu (#85)

  • 部署选项现在包括卷部署，增加了灵活性。@yinweisu (#84)

持续集成和模型持久性：#

  • 修复和更新了持续集成流程。@yinweisu (#81)

  • 启用了模型持久性，以便长期使用。@yinweisu (#76)

  • 支持 Pickle，方便模型序列化。@yinweisu (#75)

集群管理和分布式训练：#

  • 使用最新的 AMI 进行集群管理，确保基础设施是最新的。@yinweisu (#73)

  • 引入了表格数据分布式训练，为可扩展的模型训练铺平了道路。@yinweisu (#72)

其他：#

  • 改进了夜间发布流程。@yinweisu (#74)

  • 作为持续维护的一部分，次要版本更新至 0.2.1。@yinweisu (#66)

一如既往，我们感谢社区的持续支持和贡献。期待您对 AutoGluon-Cloud 0.3.0 的反馈！