EasyCV为公有云用户提供了以下开箱即用的用户体验：
1. 丰富的自监督算法体系
算法涵盖全面：EasyCV囊括了业界有代表性的图像自监督算法，如SimCLR、MoCO、Swav、Moby、DINO等，以及基于mask图像预训练方法MAE。这为公有云用户提供了多种选择，以适应不同的应用场景和需求。
Benchmark工具：EasyCV还提供了详细的benchmark工具及复现结果，方便用户进行模型改进、效果对比和模型创新。
2. 强大的预训练模型库
多样化模型选择：EasyCV提供了丰富的预训练模型，包括以transformer模型为主的基础上，也包含了主流的CNN模型。这些模型支持ImageNet预训练和自监督预训练，为用户提供了多样化的选择。
兼容性：EasyCV兼容PytorchImageModels，支持更为丰富的视觉Transformer backbone，方便用户接入和使用。
3. 易用性和可扩展性
灵活的训练方式：EasyCV支持配置方式和API调用方式进行训练、评估、模型导出。用户可以根据自己的需求选择合适的方式进行操作。
模块化设计：框架采用主流的模块化设计，灵活可扩展。用户可以方便地在现有框架基础上进行二次开发和定制。
4. 高性能
多机多卡训练：EasyCV支持多机多卡训练和评估，可以充分利用公有云的计算资源，提升训练效率。
训练加速：EasyCV在训练/推理效率上做了深度优化，包括fp16训练加速、IO优化等。针对自监督场景数据量大的特点，利用DALI和TFRecord文件进行IO方面的加速。
5. 云端一体化
全面兼容阿里云环境：EasyCV对阿里灵杰系统做了全面兼容，用户可以非常方便地在阿里云环境下使用EasyCV的全部功能。
云上服务：基于阿里云的PAI产品生态，用户可以方便地进行模型管理、在线服务部署、大规模离线推理任务。这为用户提供了从训练到部署的一站式解决方案。
6. 丰富的数据源和预处理支持
多种数据源支持：EasyCV提供了不同数据源的抽象，支持多种开源数据集如Cifar、ImageNet、CoCo等，以及raw图片文件格式和TFrecord格式。
灵活的数据预处理：数据预处理过程抽象成若干个独立的pipeline，支持配置文件方式灵活配置不同的预处理流程。
综上所述，EasyCV为公有云用户提供了从算法到模型、从训练到部署的全流程支持，极大地降低了用户的使用门槛和成本，提升了用户体验。