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](https://github.com/altair-viz/vega_datasets)以下为从 Colab 获取的 notebook 在 openbayes 的测试：
Matplotlib 图表的中文支持
对 Altair 和 vega_datasets 的支持
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
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：
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
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：
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：
带有高速缓存的工作空间
具体文档见 /docs/gear/workspace/
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
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