新功能
- 针对 github.com 的网络流量进行优化,从 GitHub 进行的
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 - 自动调参:展示结果支持排序,可以更方便的选出最优的结果

优化
- 当前端界面更新了新版本后,会通过通知提示用户刷新页面进行升级,以避免资源载入错误的问题
- 模型部署:优化在线测试的图片上传体验
- 部分组件的性能优化
- 后端服务的并发优化,提升 API 的响应速度
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