一句话介绍Bitahub：
这是一个拥有1000张GPU卡、为用户提供Linux程序排队执行的集群计算系统，后端使用Docker做虚拟化，擅长机器学习算法训练。
可以使用的计算资源类型：
| 卡类型 | GPU | CPU核心数量 | 内存（GB） | 价格（算力/小时） |
|---|---|---|---|---|
| GTX1080ti | 用户选择，1~8，记其为X | X * 4 | X * 16GB | X * 0.4 |
| GTXTitanXp | 用户选择，1~8，记其为X | X * 4 | X * 16GB | X * 0.45 |
| TeslaV100 | 用户选择，1~8，记其为X | X * 4 | X * 40GB | X * 0.9 |
| RTX3090 | 用户选择，1~8，记其为X | X * 6 | X * 40GB | X * 1.1 |
| 无GPU_1 | 0 | X | X * 4GB | 0.02 |
| 无GPU_2 | 0 | X(≥16) | X * 14GB | 0.02 |
说明：（1）举例，申请2张RTX3090，将配套获得12个CPU计算核心和80GB的内存；（2）1算力=1元；（3）1080ti、titanxp、v100、无GPU_1服务器的CPU型号为Intel 5118；3090服务器的CPU型号为Intel 5218和Intel 5320；无GPU_2服务器的CPU型号为Intel 6330。
在BitaHub进行算法训练，需要：
- 上传数据集（如果使用公开数据集，则跳过）；
- 上传模型（可选）；
- 创建项目，并选择数据集，上传代码文件；
- 运行任务，设置运行参数；
- 查看运行结果；
这里先解释以上四个步骤中涉及的概念，具体的操作演练，会在第一个项目这个小节演示。
1. 数据集
平台提供了一些常用的科研数据集，可直接使用，称这部分数据集为公开数据集。
进入系统后，点击数据集浏览。
支持用户维护私有数据集，小于500M的数据集，可在网页端操作。更切确地说，网页端一次只能传500M，也可以多次传，但是，如果数据集较大，强烈推荐使用其他方式上传，见上传数据集。
2. 模型
类似于数据集，BitaHub平台还有公开和私有的模型，进入系统后，点击模型可浏览公开模型。
同样有一次上传500M的限制。超额应对方法同数据集。
模型与数据集的异同：从程序使用的角度，他们都是以文件夹进行组织的一系列文件；在存储配额上，模型则小得多，建议只在必要时存放训练完成的模型。
3. 项目
在BitaHub中，项目是一个虚拟单位，用于将算法代码、关联的数据集/模型、运行的软件环境和配置组织起来。
创建项目时，可以选择需要的数据集或模型，并将相关的代码文件上传到项目中。
4. 任务
项目的某次训练，我们称之为一次任务，一个项目可以包含多个任务。
任务的运行，需要配置运行参数，比如GPU类型、GPU个数、启动命令等。
任务提交后会进入
等待状态，分配到资源后变为运行中，结束后变为成功或失败，过程中停止则变为停止。
5. 运行结果
某次任务运行过程中，系统会收集日志和任务输出，可以在任务详情页查看。