bayes 命令行工具（CLI）

OpenBayes 命令行工具快速上手

最后更新于

OpenBayes 提供了一个命令行工具 bayes 方便在命令行界面直接与 OpenBayes 服务器进行交互。相比直接在 web 界面进行交互，命令行工具在「创建 Python 脚本」「上传数据集」等诸多方面会更加简单和高效。我们针对一些非常适合通过命令行操作的场景对其进行介绍。

bayes 命令行工具基本介绍

bayes 是一个独立的二进制发行包，为 Windows、macOS、Linux 等多个操作系统提供一致的命令行 UI，方便了命令行用户将本地数据、项目与 OpenBayes 的同步。

安装

在 安装 bayes 命令行工具 中详细的介绍了如何在不同平台下安装命令行工具。如果是通过 github 下载的命令行工具，建议将其放到 /usr/local/bin 这种预先被添加到环境变量 PATH 的目录，一方便在任意目录键入 bayes 进行访问。针对 windows 添加环境变量的操作可以参见 这里。

$ bayes version

openbayes 的版本号为 v0.4.0

在命令行中键入 bayes version 后看到如上的信息说明 bayes 工具已经安装成功了，通过命令 bayes login 登录账号。

$ bayes login username

请输入 username 的密码:
username 已成功登入 openbayes

然后我们通过 bayes -h 可以查看具体能做什么操作：

$ bayes -h

OpenBayes 命令行工具

用法:
  bayes [子命令]

可用子命令:
  data        数据集相关
  gear        容器相关
  help        各个子命令的帮助信息
  login       登录
  logout      注销
  ssh         ssh 相关
  status      登录信息
  upgrade     升级命令行工具
  version     版本信息

可用选项:
      --version   查看 bayes 的版本信息
  -h, --help      查看 bayes 的帮助
  -v, --v         查看详细的错误信息

使用 "bayes [命令] --help" 获取更多有关此命令的信息。

使用哲学

bayes 命令行工具意在补充 web 界面部分操作的不足，提升部分更适合在命令行界面进行的操作的体验；而不是为了让用户完全脱离 web 界面独立使用的。尤其是在数据集的创建、Python 脚本的创建相比于 web 界面的操作流程有非常大的提升。后面我们重点介绍这两个场景。

命令行工具会提供很多命令方便用户从命令行界面切换到 web 界面查看容器或者数据的内容。反过来，未来 web 端也会增加更多的命令行操作提示，方便用户在两个界面间穿梭。

用命令行工具上传数据集

这里我们介绍如何使用 bayes 创建一个数据集，上传一个 tiny imagenet 数据集到 OpenBayes，将一些额外的数据合并到 tiny imagenet 的已有数据集版本中，以及从命令行打开 web 界面。

1. 创建一个新的数据集

$ bayes data create tiny-imagenet -m "稍微说明一下这个 tiny-imagenet 数据集" -o

数据集 tiny-imagenet (tiQXU5Z5DIy) 创建成功
打开网页 https://openbayes.com/console/aisensiy/datasets/tiQXU5Z5DIy 可查看数据集 tiny-imagenet (tiQXU5Z5DIy) 的详细信息
正在跳转到浏览器...
已成功打开浏览器

介绍一下几个可用的参数：

  • -m 或 --message 数据集描述信息，可留空
  • -o 或 --open 将会在数据集创建成功后，在浏览器打开相应的 web 界面

同时你也可以在终端的打印信息中看到在数据集的 URL 和 ID。

2. 通过命令行直接上传文件夹

在 web 页面我们需要将数据集打包成 zip 压缩包才能进行上传，而通过命令行工具则没有这个限制，命令行工具会帮我们自动打包压缩包并上传，在上传成功后会自动将压缩包删除。

$ bayes data upload tiQXU5Z5DIy -p ~/Downloads/tiny-imagenet-200 -o

正在读取文件列表，请稍候...
剔除在 .openbayesignore 中忽略的文件及文件夹...
共有文件 120,205 个
正在压缩数据集...
压缩数据集完成
正在向服务器发送上传请求...
服务器已响应
正在初始化上传中...
正在上传压缩包。总共上传大小： 245.9 MiB
124.25 MiB / 245.90 MiB [============================>-----------------------------]  51 %  4.29 MiB/s
正在进行清理工作
数据集 tiny-imagenet (RsUdt11TEwb) 上传成功
打开网页 https://dev.openbayes.com/console/aisensiy/datasets/RsUdt11TEwb 可查看数据集 tiny-imagenet (RsUdt11TEwb) 的详细信息
正在跳转到浏览器...
已成功打开浏览器

命令行上传支持断点续传，如果在上传过程中因为意外请求中断了，再次输入上传命令可以选择从上一次上传继续：

$ bayes data upload tiQXU5Z5DIy -p ~/Downloads/tiny-imagenet-200

openbayes 数据集上传
存在一个尚未完成的上传，是否需要继续？ [y/N]: y
正在上传压缩包。总共上传大小： 245.9 MiB
245.90 MiB / 245.90 MiB [=================================]  100 %  8.87 MiB/s
正在进行清理工作
数据集 tiny-imagenet (tiQXU5Z5DIy) 上传成功
打开网页 https://openbayes.com/console/aisensiy/datasets/tiQXU5Z5DIy 可查看数据集 tiny-imagenet (tiQXU5Z5DIy) 的详细信息

介绍一下几个可用的参数：

  • -p 或 --path 数据集文件的本地路径，不填则使用当前目录
  • -o 或 --open 将会在数据集上传完成后，在浏览器打开相应的 web 界面

稍等服务器端数据同步可以看到数据集已经上传好了：

如果你已经有一个现成的压缩包需要上传到 openbayes，你可以通过命令 bayes data upload tiQXU5Z5DIy -p abc.zip 直接上传，openbayes 将会在接收到压缩包后进行解压。

如果你只有一个单一文件需要上传到 openbayes，你同样可以通过命令 bayes data upload tiQXU5Z5DIy -p afile.xy 上传到 openbayes。

3. 通过命令行合并数据到数据集的指定版本和路径

通过以下命令，我们可以将一些额外的数据合并到指定据集版本的指定文件夹中

bayes data merge tiQXU5Z5DIy --version 1 -d /merge-dir/ -p ~/Downloads/data-to-be-merged -m both -o
正在读取文件列表，请稍候...
剔除在 .openbayesignore 中忽略的文件及文件夹...
共有文件 102 个
正在压缩数据集...
压缩数据集完成
正在向服务器发送合并请求...
服务器已响应
正在初始化上传中...
正在上传需要合并的压缩包。总共合并大小： 877.44 KiB
877.44 KiB / 877.44 KiB [==========================================================]  100 %  971.38 KiB/s
正在进行清理工作
数据集 tiny-imagenet (RsUdt11TEwb) 合并成功
打开网页 https://dev.openbayes.com/console/aisensiy/datasets/RsUdt11TEwb 可查看数据集 tiny-imagenet (RsUdt11TEwb) 的详细信息
正在跳转到浏览器...
已成功打开浏览器

介绍一下几个可用的参数：

  • --version 需要合并的数据集版本号，必填
  • -m 或 --mode 合并方式，支持 skip （跳过）， both （并存）， replace （替换）， 不填则默认使用 replace （替换）
  • -d 或 --directory 数据集文件合并的指定路径，不填则默认使用根目录
  • -p 或 --path 数据集文件的本地路径，不填则使用当前目录
  • -o 或 --open 将会在数据集合并成功后，在浏览器打开相应的 web 界面

稍等服务器端数据同步，就可以看到数据集已经合并到指定版本，点击进入指定文件夹，就可以看到新增的数据。

4. 通过命令行打开数据集 web 界面

通过以下命令我们可以直接从命令行打开 web 界面：

$ bayes data open tiQXU5Z5DIy

正在打开数据集 https://openbayes.com/console/aisensiy/datasets/tiQXU5Z5DIy
正在跳转到浏览器...

或者，在上传或合并命令最后加入 -o 参数，命令行工具将会在上传或合并完成后立即打开相应的 web 界面：

$ bayes data upload tiQXU5Z5DIy -p ~/Downloads/tiny-imagenet-200 -o

正在读取文件列表，请稍候...
剔除在 .openbayesignore 中忽略的文件及文件夹...
共有文件 120,205 个
正在压缩数据集...
压缩数据集完成
正在向服务器发送上传请求...
服务器已响应
正在初始化上传中...
正在上传压缩包。总共上传大小： 245.9 MiB
124.25 MiB / 245.90 MiB [============================>-----------------------------]  51 %  4.29 MiB/s
正在进行清理工作
数据集 tiny-imagenet (RsUdt11TEwb) 上传成功
打开网页 https://dev.openbayes.com/console/aisensiy/datasets/RsUdt11TEwb 可查看数据集 tiny-imagenet (RsUdt11TEwb) 的详细信息
正在跳转到浏览器...
已成功打开浏览器

用命令行工具创建容器，以及容器的执行、继续执行和停止

bayes 命令行下有「工作目录」的概念，它对应着 OpenBayes 容器中的「输出」目录。通过命令行工具创建容器时需要首先把一个本地目录当作「工作目录」并与 OpenBayes 的「容器」建立映射关系，具体操作如下：

  1. 切换到需要执行的代码所在的目录 cd ~/openbayes-mnist-example
  2. 初始化一个新的容器 bayes gear init mnist-example 此时当前目录已经和 mnist-example 这个容器创建了映射关系，创建的「执行」都会出现在该容器下面

使用 ` bayes gear ls` 命令，可以查看你的所有容器

bayes gear init 命令可以使用已存在的容器名称或容器 ID 对当前目录进行容器初始化，若使用一个不存在的容器名称进行初始化，会创建一个新的容器。

准备工作完成之后，我们将来介绍一下几种接入方式的使用

1. 通过命令行参数创建「Python 脚本执行」

通过命令 bayes gear run task -h 可以看到大量的样例提示如何创建一个「Python 脚本执行」。

我们这里先创建一个比较简单的版本：

$ bayes gear run task --env=tensorflow-1.15 -- python main.py

正在向服务器发送上传请求...
服务器已响应
正在读取文件列表，请稍候...
共有文件 95 个
正在检查 .openbayesignore 文件...
已剔除 .openbayesignore 忽略列表中的文件及文件夹
正在压缩代码...
压缩代码完成
正在初始化上传中...
正在上传压缩包。总共上传大小： 49.31 MiB
49.31 MiB / 49.31 MiB [=================================]  100 %  4.21 MiB/s
正在移除已完成上传的压缩包
代码上传成功
正在向服务器请求创建容器...
容器创建成功
容器正在启动中...
打开网页 https://openbayes.com/console/aisensiy/containers/d1JKTyFQq1W/isqgy7idosrk 可查看容器 mnist-example 的详细信息

其中 -- 之后为执行的具体的命令，如果有 && 这样的符号，需要用引号进行保护 bayes gear run task -- 'echo 123 && python main.py'。

可以看到 bayes 将当前目录的文件上传并创建了一个「python 脚本」任务，相比通过 web 界面上传 zip 包的体验是好了很多。

然后，我们尝试通过命令行参数，创建一个复杂一点的版本：

  bayes gear run task \
      --resource cpu \
      --env tensorflow-1.15 \
      --data openbayes/eBIQp4yPMtU/1:/input0 \
      --data openbayes/sTggKplxyT6/1:/input1 \
      --data openbayes/bbNaMvDNqO9/1:/input2 \
      --data aisensiy/jobs/3s55ypc33ptl/output:/output \
      --message "task message" \
      --open \
      --follow \
      -- sleep 60

介绍一下几个可用的参数：

  • -e 或 --env 选择镜像，可供选择的镜像可以通过命令 bayes gear env 查询
  • -r 或 --resource 选择算力，可供选择的算力可以通过命令 bayes gear resource 查询
  • -d 或 --data 绑定数据，可供绑定的数据集可以通过命令 bayes gear bindings 查询
  • -m 或 --message 执行描述，可留空
  • -o 或 --open 将会在容器开始运行后，在浏览器打开相应的 web 界面
  • -f 或 --follow 跟踪运行容器的状态

需要注意的是 --data openbayes/eBIQp4yPMtU/1:/input0 中， openbayes 是公有数据集的专用名，如果你想使用你自己的数据集，需要将 openbayes 替换为你的用户名，通过 bayes gear bindings 命令可以查看最近的可绑定数据， mnist 是数据集的名字， 1 是数据集的版本号， /input0 代表绑定数据集到 input0

2. 通过 openbayes.yaml 创建「Python 脚本执行」

另外，在通过 bayes gear init 将当前目录和容器绑定后目录下会出现文件 openbayes.yaml 内部初始化内容如下：

## 有关「 OpenBayes 配置文件」的最新说明，请查阅 https://openbayes.com/docs/cli/config-file/

## data_bindings
#  指绑定的数据，支持「容器输出」以及「数据集」，最多同时绑定三个
#
#  一个完整的 data_bindings 样例如下：
#
#    data_bindings:
#      - data: openbayes/mnist/1
#        path: /input0
#      - data: openbayes/jobs/jfaqJeLMcPM/output
#        path: output
#
#  亦可将 data_bindings 替换成 bindings， 简写成如下样例：
#
#    bindings:
#      - openbayes/mnist/1:/input0
#      - openbayes/jobs/jfaqJeLMcPM/output:/output
#
data_bindings: []

## resource
#  指使用什么算力容器，通过命令 bayes gear resource 可以看到支持的算力类型
#
resource: tiny-cpu

## env
#  指使用什么运行时环境，通过命令 bayes gear env 可以查看支持的运行时环境
#
env: tensorflow-1.15

## command
#  只有在创建「脚本执行」时需要，指任务执行时的入口命令
#
command: ""


## parameters
#  支持 key / value 形式的参数，该参数会在容器执行时生成 openbayes_params.json 并补充在 command 参数后面
#  样例如下：
#
#    parameters:
#      input: /input0
#      epochs: 5
#
#    在执行时会生成一个内容为 {"input": "/input0", "epochs": 5} 的 openbayes_params.json，
#    并且会在执行命令后面追加 `--input=/input0 --epochs=5`
#
parameters: {}


## 有关「 OpenBayes 自动调参」的最新说明，请查阅 https://openbayes.com/docs/hypertuning/
#
#  一个完整的 hyper_tuning 样例如下：
#    hyper_tuning:
#      max_job_count: 3
#      hyperparameter_metric: precision
#      goal: MINIMIZE
#      algorithm: Bayesian
#      parameter_specs:
#      - name: regularization
#        type: DOUBLE
#        min_value: 0.001
#        max_value: 10.0
#        scale_type: UNIT_LOG_SCALE
#      - name: latent_factors
#        type: INTEGER
#        min_value: 5
#        max_value: 50
#        scale_type: UNIT_LINEAR_SCALE
#      - name: unobs_weight
#        type: DOUBLE
#        min_value: 0.001
#        max_value: 5.0
#        scale_type: UNIT_LOG_SCALE
#      - name: feature_wt_factor
#        type: DOUBLE
#        min_value: 1
#        max_value: 200
#        scale_type: UNIT_LOG_SCALE
#      - name: level
#        type: DISCRETE
#        discrete_values: [1, 2, 3, 4]
#      - name: category
#        type: CATEGORICAL
#        categorical_values: ["A", "B", "C"]
#
hyper_tuning:

  ## max_job_count
  #  一次自动调参的尝试次数，最多支持 100 次
  #
  max_job_count: 0

  ## parallel_count
  #  并行的尝试个数受限于用户的单个资源类型的最大并行个数，通常是 1 或者 2
  #
  parallel_count: 1

  ## hyperparameter_metric
  #  目标变量
  #  有关目标变量的上报，请查阅 https://openbayes.com/docs/hypertuning/#2-上报目标变量
  hyperparameter_metric: ""

  ## goal
  #  最优解的方向 ( MAXIMIZE 或 MINIMIZE )
  #
  goal: ""

  ## algorithm
  #  采用的算法，支持的算法如下：
  #  Grid      对于只有 DISCRETE 以及 CATEGORICAL 类型参数的场景可以通过 GridSearch 遍历所有参数的组合
  #  Random    针对 INTEGER 以及 DOUBLE 类型，依据其所支持的分布类型，在 min_value 和 max_value 之间随机选择数值，对于 DISCRETE 和 CATEGORICAL 类型，其行为和 Grid 方式类似
  #  Bayesian  每次生成参数时考虑之前的「参数」-「目标变量」的结果，通过更新后的分布函数提供参数以期望获取更好的结果，其算法可以参考该文章
  #
  algorithm: ""

  ## parameter_specs
  #  输入参数的规约
  #  参数规约的定义请查阅：https://openbayes.com/docs/hypertuning/#参数规约的定义
  #
  parameter_specs: []

  ## side_metrics
  #  其他参考指标
  #
  side_metrics: []

其中 hyper_tuning 部分暂不介绍，但可以看到其他参数与 bayes gear run task 中使用的参数是一致的，通过在 openbayes.yaml 配置参数可以避免重复在使用 bayes gear run task 时重复输入参数。例如提供如下参数：

data_bindings:
  - data: openbayes/mnist/1
    path: /input0
resource: t4
env: tensorflow-1.15
command: "python train.py -i /input0 -o ./model -e 2 -m model.h5 -l ./tf_dir"

需要注意的是 data: openbayes/mnist/1 中，openbayes 是公有数据集的专用名，如果你想使用你自己的数据集，需要将 openbayes 替换为你的用户名，mnist 是数据集的名字，1 是数据集的版本号；path: /input0，是将数据集绑定到 input0 中。

直接输入 bayes gear run task 命令即可执行一个在 tensorflow-1.15 环境下，算力资源为 t4，绑定数据集 openbayes/mnist/1 到 /input0，入口命令为 python train.py -i /input0 -o ./model -e 2 -m model.h5 -l ./tf_dir 的任务了。

更多有关配置文件如何编写的内容，见 OpenBayes 配置文件

3. 创建「Jupyter 工作空间」

与「Python 脚本」的创建类似，通过命令行创建 Jupyter 默认会把当前目录下的文件上传到容器的「输出」中。

  1. git clone https://github.com/practicalAI/practicalAI 下载 practicalAI 项目
  2. cd practicalAI && bayes gear init practicalAI 初始化容器
  3. bayes gear run notebook 创建 Jupyter
$ bayes gear run notebook-o -f

正在向服务器发送上传请求...
服务器已响应
正在读取文件列表，请稍候...
剔除在 .openbayesignore 中忽略的文件及文件夹...
共有文件 99 个
正在压缩代码...
压缩代码完成
正在初始化上传中...
正在上传压缩包。总共上传大小： 9.28 MiB
9.28 MiB / 9.28 MiB [=================================]  100 %  5.14 MiB/s
正在进行清理工作
代码上传成功
正在向服务器请求创建容器...
容器创建成功
打开网页 https://openbayes.com/console/aisensiy/containers/CUEtgUJHidb/ri4nft12g18c 可查看容器 practicalAI 的详细信息
 ⠴ 准备中
容器运行中
正在跳转到浏览器...
已成功打开浏览器

「Jupyter 工作空间」的创建和与「Python 脚本」的创建类似，可以通过命令行参数创建，也可以通过 openbayes.yaml 文件创建。

4. 容器继续执行

使用 bayes gear status 命令，查看当前容器下的所有执行

使用 bayes gear restart 命令，传入已完成执行的 ID，可以以相同的参数再次运行该次执行。

$ bayes gear restart 52yaekv8nf91 -o -f

容器继续执行...
打开网页 https://openbayes.com/console/aisensiy/jobs/6q848lathbdp 可查看容器 practicalAI 的详细信息
 ⠹ 准备中
容器运行中
正在跳转到浏览器...
已成功打开浏览器

亦可以通过参数覆盖，修改部分参数，再次运行该次执行。

restart 命令的选项与 run 命令的选项一致

$ bayes gear restart 52yaekv8nf91 \
      --resource cpu \
      --env tensorflow-1.15 \
      --data openbayes/eBIQp4yPMtU/1:/input0 \
      --data openbayes/sTggKplxyT6/1:/input1 \
      --data openbayes/bbNaMvDNqO9/1:/input2 \
      --data aisensiy/jobs/3s55ypc33ptl/output:/output \
      --message "task message" \
      --open \
      --follow

容器继续执行...
打开网页 https://openbayes.com/console/aisensiy/jobs/6q848lathbdp 可查看容器 practicalAI 的详细信息
 ⠹ 准备中
容器运行中
正在跳转到浏览器...
已成功打开浏览器

需要注意的是 --data openbayes/eBIQp4yPMtU/1:/input0 中，openbayes 是公有数据集的专用名，如果你想使用你自己的数据集，需要将 openbayes 替换为你的用户名，eBIQp4yPMtU 是数据集 ID，1 是数据集的版本号；:/input0，是将数据集绑定到 input0 中。

5. 关闭容器执行

使用 bayes gear stop 命令，传入运行中的容器执行 ID，可以关闭容器的该次执行。

$ bayes gear stop 52yaekv8nf91 -o -f

同步数据并关闭容器
打开网页 https://openbayes.com/console/aisensiy/jobs/52yaekv8nf91 可查看容器 practicalAI 的详细信息
正在跳转到浏览器...
已成功打开浏览器
 ⠦ 正在关闭
容器已关闭

介绍一下几个可用的参数：

  • -o 或 --open 将会在容器开始关闭后，在浏览器打开相应的 web 界面
  • -f 或 --follow 会一直跟踪容器的状态，直到容器完全关闭

通过命令行打开容器 web 界面

通过以下命令我们可以直接从命令行打开 web 界面：

$ bayes gear open 6q848lathbdp
正在打开容器 https://dev.openbayes.com/console/aisensiy/jobs/6q848lathbdp
正在跳转到浏览器...

亦可以通过容器的名称打开

$ bayes gear open practicalAI
正在打开容器 https://dev.openbayes.com/console/aisensiy/jobs/6q848lathbdp
正在跳转到浏览器...

或者，在容器执行命令最后加入 -o 参数，命令行工具将会在上传或合并完成后立即打开相应的 web 界面：

$ bayes gear run notebook -o -f

正在向服务器发送上传请求...
服务器已响应
正在读取文件列表，请稍候...
剔除在 .openbayesignore 中忽略的文件及文件夹...
共有文件 102 个
正在压缩代码...
压缩代码完成
正在初始化上传中...
正在上传压缩包。总共上传大小： 877.42 KiB
877.42 KiB / 877.42 KiB [==========================================================]  100 %  969.85 KiB/s
正在进行清理工作
代码上传成功
正在向服务器请求创建容器...
容器创建成功
打开网页 https://openbayes.com/console/aisensiy/jobs/1ekrvwi6uyac 可查看容器 test111 的详细信息
 ⠴ 准备中
容器运行中
正在跳转到浏览器...
已成功打开浏览器

bayes gear 的 run restart stop 命令均可在命令的最后加入 -o 选项，命令行将会在容器到达目标状态后，在浏览器打开相应的 web 界面

通过命令行跟踪容器日志及容器状态

1. 日志跟踪

通过命令 bayes gear logs 可以查看运行中的容器日志，加入 -f 或 --follow 参数会持续跟踪容器的日志打印

$ bayes gear logs 1ekrvwi6uyac -f

[I 14:41:01.149 LabApp] Writing notebook server cookie secret to /root/.local/share/jupyter/runtime/notebook_cookie_secret
[W 14:41:01.433 LabApp] All authentication is disabled.  Anyone who can connect to this server will be able to run code.
[I 14:41:01.749 LabApp] JupyterLab extension loaded from /usr/local/lib/python3.6/site-packages/jupyterlab
[I 14:41:01.750 LabApp] JupyterLab application directory is /usr/local/share/jupyter/lab
[I 14:41:01.758 LabApp] Serving notebooks from local directory: /openbayes
[I 14:41:01.758 LabApp] Jupyter Notebook 6.1.4 is running at:
[I 14:41:01.758 LabApp] http://aisensiy-1ekrvwi6uyac-main:8888/jobs/aisensiy/jobs/1ekrvwi6uyac/
[I 14:41:01.758 LabApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
...
...
...

2. 状态跟踪

bayes gear 的子命令 run restart stop 都支持加入 -f 或 --follow 参数跟踪容器状态。

但只对「Python 脚本」 及「 Jupyter工作空间」任务生效，对「 自动调参」任务无效。

其中， run restart 命令：

  • 对于 「Python 脚本」 任务，会跟踪到整个任务执行完成
  • 对于 「Jupyter 工作空间」任务，会跟踪到 JupyterLab 启动完成
  • 对于 「 自动调参」任务，--follow 参数不生效

stop 命令：

  • 对于 「Python 脚本」 任务，会跟踪任务直到容器完全关闭
  • 对于 「Jupyter 工作空间」任务，会跟踪任务直到容器完全关闭
  • 对于 「 自动调参」任务，--follow 参数不生效

在 Jupyter 工作空间中使用命令行工具

目前命令行工具已经集成到了 Jupyter 工作空间中，在 Jupyter 中打开「Terminal（命令行终端）」后会出现如下的提示：

按照提示输入命令 bayes gear init 后自动完成账号的登录，并初始化 openbayes.yaml 文件（更多配置文件的信息见OpenBayes 配置文件）。