57 篇博文 含有标签「产品更新」

A100、RTX 3090 现已开放可用，用户可访问控制台，在「财务中心」进行购买。

NVIDIA A100 GPU​

• 最高达 312 TFLOPS 深度学习性能
• 高达 80GB 显存
• 28 核 CPU · 120 GB 内存 · 50 GB 工作空间
• 适用于 AI、数据分析及 HPC 应用场景
• 最高可享受 75 折优惠，单价低至 ￥7.5/h 起

NVIDIA RTX 3090​

• 采用 NVIDIA Ampere 架构、10496 CUDA 核心
• 24 GB GDDR6X 显存
• 8 核 CPU · 30 GB 内存 · 50 GB 工作空间
• 最高可享受 75 折优惠，单价低至 ￥1.5/h 起

此外，为回馈用户支持，V100、T4、vGPU 等资源也进行了本年度第二次价格下调。 以单核 V100 为例，原价 ￥14.99/h，首次降价后价格为 ￥10/h，现在只需 ￥8/h 即可购买，折扣力度近 4.6 折。

更多详情，请访问「财务中心」。

更新​

新的镜像 TensorFlow 2.7 与 TensorFlow 2.8

修复​

1. 无法稳定接收短信验证码的问题
2. TensorFlow 2.6 TensorFlow 2.5 卷积报错的问题

PaddlePaddle 镜像上线​

我们提供了 PaddlePaddle 2.3 版本的镜像，其包含 CUDA 10.2 和 Python 3.8 运行环境。

修复​

1. SSH 登录经常出现 HOST KEY 变化的报错
2. 无法在组织下创建新的「模型训练」的问题
3. 无法购买存储订阅的问题

全新的 SSH 连接功能上线​

全新的 SSH 连接功能不再需要对 SSH 进行额外配置。在开启「工作空间」后，页面上就会显示 SSH 的连接方式，按照页面上的配置即可快速通过 SSH 登录到容器：

可在 文档 了解更多详细信息。

注意

1. 你依然需要按照 文档 准备公钥
2. 如果你在容器页面上没有看到上图中的 SSH 连接信息说明你的容器还不支持这个新的功能，创建新的容器会自动支持

功能​

• 新的 Pytorch 1.11 版本，并且该镜像支持 JupyterLab 内的 Debug 功能

警告​

• Pytorch 1.10 存在内存泄漏的风险，在 OpenBayes Serving 中不建议使用。

经过数月的开发与调试，我们很高兴的宣布，新全新的模型部署 OpenBayes Serving 上线，请按照 模型部署 文档了解更多信息。

1. 模型部署介绍 了解模型部署的基本信息
2. 从零开始测超分辨率服务 了解如何一步步在模型训练容器里完成一个超分辨率的服务并部署
3. 快速上手 看看其他的模型部署样例
4. 模型部署的管理 了解模型部署的一些基本操作

目前该功能处于 beta 测试阶段，不建议直接部署用于生产环境。每周会自动更新 10 个小时名为 serving-vgpu 的模型服务资源，用于测试，可以在 资源更新记录的查询 看到。后续更详细的文档，更丰富的 demo 更多的功能敬请期待。

功能​

• 新的 Pytorch 1.10 版本

增强​

• 资源使用状况页面数据获取速度优化
• 模型训练页面数据获取速度优化

后续将对其他目前比较缓慢的页面进行优化，以提高页面数据获取速度。

功能​

• 自动调参支持 side_metrics 详情见 自动调参#side_metrics

修复​

• 修复支付后页面无法刷新的问题
• 修复「Jupyter Workspace」重启丢失 /input 只读绑定的问题
• 修复公开教程对于未登录用户看不到内容的问题
• 修复「使用详情」中被删除的容器记录无法展示的问题

价格调整​

感谢大家一直以来对 OpenBayes 的支持，为回馈新老用户，我们对计算资源的基础单价进行了调整，具体如下：

在「财务中心」-「购买计算资源」购买计算资源时已经采用了最新的价格。

相应型号的计算资源的多卡版本也有了对应的价格调整。如对于「双卡 V100-32」的单价将调整为 30 元 / 小时（是单卡价格 x2）。

修复​

• 模型训练页面下「继续执行」在空容器场景下会失败的问题
• 某些情况下「自动调参」状态没有自动更新的问题

我们收到了很多有关如何连接 OpenBayes Jupyter 的问题，我们的流程和传统的 ssh ip 的流程不一样，为了解答大家的问题，我们在 通过 SSH 连接运行中的 Jupyter 执行 做了进一步的介绍。

同时，还增加了 如何连接 OpenBayes Jupyter Server 的文档，介绍如何直接使用 OpenBayes 中的 Jupyter 环境执行本地的 Jupyter 文件。

功能​

• 移动了默认的 JupyterLab 所生成的 checkpoint 的目录，不会在每个目录下都生成 .ipynb_checkpoints 目录了，对于已经存在的隐藏目录可以通过命令 find . -name '.ipynb_checkpoints' -exec rm -rf {} \; 来删除
• 增加了如何连接 OpenBayes Jupyter Server 的文档 ，支持通过 Visual Studio Code 和 PyCharm 远程连接运行中的 OpenBayes Jupyter

修复​

• 「Python 脚本执行」任务在初始化安装阶段的日志也会被展示出来，方便这部分内容的问题发现，具体初始化安装依赖的方法见 如何添加不在列表中的依赖