新功能​

• 增加新的镜像 TensorFlow 2.3.1
• 工作空间：优化工作空间关闭后对应页面的提示。并在工作空间关闭后，展示当前工作空间的输出内容

当工作空间关闭时，会显示该执行的输出内容

修复​

• 修复从快照继续执行没有默认绑定快照的问题
• 修复 Jupyter 中主题配色没有同步更新的问题

近期我们发现有用户利用我们的 OpenBayes 机器学习平台进行加密货币「挖矿」相关的活动。这里我们需要进行一些说明：

首先，OpenBayes 作为一个平台，其创立初衷是建立在为机器学习（Machine learning）相关的学习、科研目的之上的。因此我们并不是一个单纯在卖 GPU 算力的平台。我们的算力使用有明确的目标人群：为机器学习相关人员以及从业者提供数据处理、模型训练（JupyterLab 工作空间）、模型部署等一系列配套设施

由于近期加密货币的热度不断上升，开始有人利用我们平台注册时赠送的试用 GPU 算力进行「挖矿」活动。这种「挖矿」行为长期占满大量算力资源，影响到正常机器学习用户的使用体验

因此，我们会对在 OpenBayes 平台上进行相关活动的账号进行封禁处理。以保证正常用户的使用体验，维护平台的良性发展

另外，如果你是由于近期的加密货币行情而入坑「挖矿」，建议增强相应的风险意识。在这里我也推荐一下我的前东家 LeanCloud CEO 写的系列文章：加密货币和区块链（一）：历史的重演 - 1 Byte

快照功能​

我们在 2020 年 12 月上线了全新的特性 工作空间。给用户带来了更便捷、流畅的 JupyterLab 使用体验。工作空间支持重启，因此用户可以避免由「继续执行」导致的执行数量越来越多、空间占用过大的问题。同时我们还引入了工作空间的 缓存机制，用于加速工作空间的重启速度

这次更新，我们继续优化了工作空间的使用体验，引入一个新的机制：快照

快照功能可以让用户将当前的工作空间的状态生成为一个快照保存在当前的算力容器中，以备后续使用。让用户从以前的每次启动自动创建执行的模式，变为用户可以自主选择什么时候创建快照的形式，给用户更多的选择权

快照的创建方法：

如果工作空间正在运行，可以在工作空间上方的动作栏找到对应的按钮：

在已停止的工作空间中，可以在概览页面上找到对应的创建快照入口：

快照模式需要注意的几点：

• 用户只有在工作空间处于「正在运行」和「已关闭」两种状态下可以创建快照
• 快照所占用的空间即为标准的存储空间费用，无额外的其他费用
• 创建快照时尽量避免对运行中的工作空间执行文件写入/修改操作，以防生成的快照与期望内容不一致

深色模式​

跟随系统（自动适配） / 浅色模式 / 深色模式

其实我们早在几个月前就已经提供了深色模式，不过当时只支持跟随系统的自动适配。目前我们已经可以让用户手动选择界面的配色。修改方法位于 设置 - 账号设置 下

接下来……​

我们将在近期推出一个全新的产品线：模型部署，提供模型的在线实时推理。敬请期待！

2020 是非常不同寻常的一年，在这一年的结束之际，我们开始了我们首次的产品折扣促销活动

本次活动规则如下：

• 北京时间 2020 年 12 月 24 日至 2021 年 1 月 6 日
• 期间每周赠送的 vGPU 算力由原来的 180 分钟（3 小时）上调为 600 分钟（10 小时）
• 所有算力商品半价（五折）优惠。购买后长期有效，无使用期限限制
• 冬季特惠的算力商品折扣不与其他活动或折扣的效果叠加

用户现在就可以通过财务中心 - 购买计算资源进行购买。如有任何疑问，可通过控制台右下角的聊天气泡与我们的客服联系

修复​

• 修复工作空间重启无法绑定之前的输出的问题

重大更新​

在创建容器的时候，所能够选择的模式会由 JupyterLab 变化为「工作空间（Workspace）」。

简单说下变化点：

1. 工作空间支持重启，避免了重复「继续执行」导致空间无限增长的问题
2. 工作空间有缓存机制，最近关闭的工作空间启动速度比较快，不像原来每次启动都拷贝数据，而是将数据缓存了下来，被缓存的工作空间会有一个⚡️ 图标

带有高速缓存的工作空间

具体文档见 /docs/gear/workspace/

功能增强​

• 创建容器时算力展示界面的进一步优化
• 容器的数据绑定列表中如果有绑定已经被删除了将会给予提示
• 上传数据集时增加了「清理当前上传任务」的功能，当出现不断的上传失败时可以尝试清理缓存解决问题

点击右上角的「清理当前上传任务」可强制清除断点上传的缓存

修复​

• 数据仓库页面中模型面包屑导航错误
• 数据仓库页面「上传至当前目录」后页面无法滚动的问题

新增公共资源​

我们接下来会持续对公共资源进行完善和补充，如果您发现了任何好玩的 Notebook 教程、Colab 教程。欢迎在评论区留言、或在 OpenBayes 控制台中右下角的客服区留言告诉我们

公共教程

• Super-SloMo – Super SloMo 超级慢动作镜头的 PyTorch 实现
• Stylized-Neural-Painting – 基于 PyTorch 的艺术化风格的神经绘画教程 Stylized Neural Painting。arXiv:2011.08114
• SkyAR – 视频天空替换。基于预印本论文 arXiv:2010.11800
• Spleeter – 由 Deezer 公司开发的基于 TensorFlow 的音乐人声提取、背景音乐分离工具
• gradslam – [ICRA 2020] 基于 PyTorch 的 3D 重建实现、SLAM（同时定位与地图构建）框架
• SeFa – Closed-Form Factorization of Latent Semantics in GANs

公共预训练模型：

• GenForce预训练模型 - GenForce: an efficient PyTorch library for deep generative modeling (StyleGANv1v2, PGGAN, etc)
• DeOldify - 图片/视频上色还原预训练模型
• TwinGAN - 使用权重共享 GAN 的非成对的跨域图像转换
• iPER预训练模型 - Liquid Warping GAN with Attention: 人类图像合成统一框架

功能增强​

• 创建容器时算力展示界面的优化，我们将算力选择按照显卡型号进行了分类，方便用户更直观的选择算力：

修复​

• 部分 PyTorch 镜像无法自动开启 TensorBoard 的问题
• 修复 TensorFlow 2.0.0 镜像无法使用 GPU 的问题
• 公共数据页面 README 展示的缺失

功能增强​

• 增加镜像 PyTorch 1.7.0 具体依赖见 pytorch-1.7.0-cpu 以及 pytorch-1.7.0-cuda102

本次更新主要集中在前端优化、以及公共资源（教程、数据集、预训练模型）方面的完善

功能增强​

• 如果一个容器中包含运行中的执行，则会在页面标题中出现 (运行中) 的提示
• 创建容器时对可用资源进行额外判断，优化「无可用资源」检测逻辑
• 优化系统指标、自定义指标的图表展示，用户现在可通过选择图表指定区域对图表进行缩放浏览

修复问题​

• 修复容器继续执行时需要多次确认绑定上一次执行的问题
• 修复 Safari 浏览器无法登录的问题
• 修复执行概览页面无法编辑当前执行描述的问题
• 修复用户无法修改容器名称大小写的问题

新增公共资源​

我们接下来会持续对公共资源进行完善和补充，如果您发现了任何好玩的 Notebook 教程、Colab 教程。欢迎在评论区留言、或在 OpenBayes 控制台中右下角的客服区留言告诉我们

• NeRF - 一个简化版本的 NeRF: 将场景作为神经辐射的视野合成的实现
• InstColorization - [CVPR 2020] 基于 Detectron2 实例感知的图像上色教程
• Detectron2 - 来自 Facebook AI Research 的 Detectron2 目标检测教程
• Wav2Lip - [ACM Multimedia 2020] Wav2Lip 嘴唇同步教程
• Few-Shot-Patch-Based-Training - [SIGGRAPH 2020] 使用少量拍摄、基于补丁的训练（Few-Shot Patch-Based Training）进行交互式视频样式化的教程
• MedMNIST医疗图像数据集 - 上海交大的医疗版 MNIST 数据集
• 气球数据集 - Mask R-CNN 所用到的 balloon dataset

2020 年 OpenBayes 已经进行了 11 次产品更新，我们坚信，产品的调整必须以用户需求为导向，收集社区的声音是了解用户需求的重要途径。

为此我们上线了此次有奖填问卷活动，欢迎新老用户参与，为 OpenBayes 下一次产品更新出谋划策！

✍️ 问卷地址： 点击跳转

? **奖励详情：**完成问卷即可获得 10 小时 vGPU 赠送资源；提出建设性意见的 10 名用户，可获得 50 小时 NVIDIA Tesla V100 GPU 算力（永久有效）   ? **收集期限：**本问卷收集时长为 2 周，赠送资源将于 11 月 15 日后 1-3 个工作日，发放至您的账户   ? **备注信息：**本问卷共包括 12 个问题，预计需要 2 分钟完成；每位用户限填写一次，重复参与无效

更新：该活动已结束，所有奖励已发放完毕。部分用户留下的用户名或电话无法与 OpenBayes 中的账号匹配，因此无法核发对应的奖励，如有看到此消息请与我们联系进行补发。