git clone 等操作的速度有明显的提升。目前为试运行阶段，如果在使用中遇到任何与网络相关的问题，可以通过在页面右下角的聊天气泡中与我们沟通
pip install --user 的支持，通过该方式安装的类库将被保存在 /openbayes/home/.pylibs 下，那么即使容器重启也可以继续使用之前通过 --user 安装的依赖vega_datasets以下为从 Colab 获取的 notebook 在 openbayes 的测试：
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
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：
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
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：
具体文档见 https://openbayes.com/docs/bayesgear-workspace/
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
公共预训练模型：
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
(运行中) 的提示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
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。
由于 bilibili 的审核原因，不允许 UP 主上传和 “AI 换脸” 相关的教程视频。但是产出物的审核相对叫较松。视具体内容而定，因此在本站提供 damedane 在线制作的教程文字版备忘
首先访问下面的链接进行注册：
https://openbayes.com/console/signup
注册后，会自动登录，然后进入控制台首页，点击左侧边栏的公共教程
然后在右侧列表中选择 damedane：
继续阅读新的功能
clear_metric 功能允许删除不再需要的自定义指标，见文档修复