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

• 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

新功能​

• Jupyter 支持 SSH 协议连接，文档见 通过 ssh 连接运行中的 Jupyter 执行
• 命令行工具对 SSH 的支持，见文档 bayes-ssh
• 支持自定义头像上传，在「账户设置」下配置即可

修复与增强​

• 增加 Conda 环境初始化环境配置
• Conda 环境的文档更新，见 用 Conda 进行依赖管理
• 增加运行时环境的依赖信息，见 目前支持的运行时环境 以及相应的运行时文档，如 pytorch:1.2.0-py36-cpu
• 文件预览闪屏的 bug 修复

• Python 全部迁移至 Conda 环境
• MXNet 支持 1.6.0

修复与增强

• 容器创建的 UI 更新
• 修复了取消「Python 脚本执行」在部分场景下导致任务无法正常关闭的问题
• 增加了默认的头像

新功能​

• 支持 LightGBM 并且在 GPU 镜像下支持使用 GPU 计算资源

修复与增强​

• 数据集上传支持最多 16 个文件上传（而不是单个压缩包），为了会支持更多文件的一次性上传
• 更新了左侧的导航
• 在容器列表中优先展示运行中的执行（而不是展示最新一次执行，及时这次执行已经关闭了）
• 数据集列表中展示整个数据集的总大小（而不是最新版本的大小）
• 修复 Pillow 版本过高导致 torchvision 载入失败的问题
• 修复 TensorFlow 2.1.0 GPU 环境下 CUDA 版本不匹配的问题
• 修复了数据集更新只能将文件存放到根目录的问题
• 其他前端的性能优化，减少重复请求

新功能

• 支持了两个新的 PyTorch 版本 PyTorch 1.3.1 以及 PyTorch 1.4.0
• 支持了两个新的 TensorFlow 版本 TensorFlow 2.1.0 以及 TensorFlow 1.15.0

• Jupyter 中增加两个默认插件，Table of Content 以及 OpenBayes 的主题

修复与增强

• 新的自动调参文档，详见 hypertuning
• 页面部分表单重复提交问题的修复
• 增加计算资源计费的额外说明
• 增加对自动调参具体状态的解释，见 文档