新的功能

• 更新镜像版本，Jupyter 默认支持 Jupyter Widgets
• openbayestool 支持 clear_metric 功能允许删除不再需要的自定义指标，见文档

修复

• 在账号退出后可能出现的崩溃报错

由于近期用户量大量增长。为了资源的公平分配、避免影响正常用户的使用体验，同时也为了防止用户的注册邮箱被他人恶意占用。我们将在 2020 年 09 月 28 日 00:00 后对未验证邮箱的用户进行功能限制：禁止未验证邮箱账号使用 GPU 类型的计算资源。

对于未收到验证邮件的用户，在登录控制台后可以直接点击页面上方的提示重新发送验证邮件：

完成验证后用户即可解除功能限制。对于需要修改邮箱的用户也可以在左侧导航栏「设置」-「账号设置」修改邮箱：

另外近期我们添加的 First Order Motion 模型非常受用户欢迎。用户拿来做了很多非常有趣的 damedane、unravel、等等类似的换脸视频。还没有了解到的用户可以参考这篇文章的介绍：B 站神曲 damedane：精髓在于换脸，五分钟就能学会。今后我们也会增加更多类似的好玩的教程，敬请期待

修复

• 修复 TensorFlow 运行时环境依赖的问题

新功能

• 在容器中通过 import os; os.cpu_count() 将展示正确的资源个数
• JupyterLab 默认开启执行时间记录插件

新功能

• 所有的镜像里为 Conda 指定了默认的国内源，提升安装速度
• 支持将数据集的目录创建为一个新的数据集版本，见文档
• 调整了容器展示界面，优先展示最新一次执行的文件内容

• 允许公开自己的数据仓库 / 容器，见公开容器以及公开数据仓库
• 暴露 JupyterLab 的链接，方便与 VS Code、PyCharm 的集成

之前 OpenBayes 数据存储功能被称为「数据集」，这更容易被理解为机器学习场景下的标注数据，而实际上这里除了放置标注数据外也可以放置其他任意类型的数据，包括代码、训练的模型文件等。

为了避免这个歧义，也是为新的「模型部署」功能做准备，OpenBayes 对原有的「数据集」概念做了调整，将「数据集」改称作「数据仓库」。

对其概念的更新也同步到了文档中：

• 数据仓库
• 数据集管理
• 数据集的版本
• 模型管理
• 模型的版本

经过无数个月的努力，我们的产品日趋完善，目前我们已经完全开放了用户注册通道，所有人都现在即可访问 注册页面 进行注册，无需使用邀请码

与此同时，我们还上线了用户推荐奖励机制，通过邀请好友加入 OpenBayes，双方均可获得 60 分钟的 vGPU 使用时长，支持累积，奖励永久有效

已注册用户可以在登录后通过 设置 - 邀请有礼? 找到对应的邀请页面

2020 八月产品更新：

• 新增镜像 PyTorch 1.6.0
• 修复「从输出创建数据集版本」失败的问题，相关文档

OpenBayes 的各位用户：

OpenBayes 上线至今，为早期用户提供了稳定、高效的机器学习算力容器服务。过去的一年中，为完善产品功能，收集用户意见，改进产品体验，我们为所有用户提供了 CPU 与 T4 容器的试用额度。

经过长时间的产品打磨、网络环境调优、整体性能提升后，我们在近期上线了一批全新规格的算力容器 —— vGPU，

经过线上实测，目前 OpenBayes_vGPU 的性能远高于 CPU ，近似于 1080 Ti，完美地丰富了算力容器的性能梯队。我们决定对每周试用额度进行调整，于 2020 年 8 月 1 日至 2020 年 12 月 31 日生效。

调整后将向所有用户提供：

• 免费 CPU 额度：240 分钟/周，免费 vGPU 额度： 180 分钟/周；
• 每周试用额度，将于每周一下午 1:00 发放至用户账户，当周有效，不累积；
• 每日清理小号、重复注册账号，以保证其他用户的稳定使用；
• 不定期对提出宝贵意见的用户与付费用户（包括存储订阅用户），进行 vGPU 的额度赠送。

我们将持续提升产品用户体验、网络环境稳定，也将于近期上线**「团队功能」与「用户推荐奖励机制」**，如果您在使用中有任何疑问，请在控制台中，点击右下角的客服系统与我们交流。

• 新增镜像 Pytorch 1.5.1
• 新增镜像 TensorFlow 2.2.0

修复与增强​

• 创建容器时，数据绑定支持的个数从 3 个上升到 5 个
• 修复公共资源刷新可能导致崩溃的问题
• 修复文件浏览部分，文件路径的乱码问题