Databricks Runtime 10,1 para (EoS) ML
O suporte para essa versão do Databricks Runtime foi encerrado. Para saber a data do fim do suporte, consulte Histórico do fim do suporte. Para conhecer todas as versões compatíveis do site Databricks Runtime, consulte Databricks Runtime notas sobre as versões e a compatibilidade.
O Databricks Runtime 10.1 for Machine Learning oferece um ambiente pronto para uso para aprendizado de máquina e ciência de dados com base no Databricks Runtime 10.1 (EoS). Databricks Runtime ML Contém muitas bibliotecas populares de aprendizado de máquina, incluindo TensorFlow, PyTorch, e XGBoost. Ele também oferece suporte ao treinamento de aprendizagem profunda distribuída usando o Horovod.
Para obter mais informações, incluindo instruções para criar um cluster Databricks Runtime ML , consulte AI e aprendizado de máquina em Databricks.
Estas notas sobre a versão podem incluir referências a recursos que não estão disponíveis no Google Cloud a partir desta versão.
Novos recursos e melhorias
O Databricks Runtime 10.1 ML foi desenvolvido com base no Databricks Runtime 10.1. Para obter informações sobre as novidades do Databricks Runtime 10.1, incluindo Apache Spark MLlib e SparkR, consulte as notas sobre a versão Databricks Runtime 10.1 (EoS).
Aprimoramentos do AutoML
No Databricks Runtime 10.1, o AutoML inclui detecção aprimorada de tipos semânticos, novo alerta para possíveis problemas de dados durante o treinamento, novos recursos para evitar modelos de ajuste excessivo e a capacidade de dividir cronologicamente a entrada dataset em conjuntos de treinamento, validação e teste.
Detecções adicionais de tipo semântico
O AutoML agora oferece suporte à detecção adicional de tipos semânticos:
- As colunas numéricas que contêm rótulo categórico são tratadas como um tipo categórico.
- Colunas de string que contêm texto em inglês são tratadas como uma feição de texto.
Agora o senhor também pode adicionar anotações para especificar um tipo de dados de coluna. Para obter detalhes, consulte Detecção de tipo semântico.
alerta durante o treinamento para possíveis problemas de dados
AutoML agora detecta e gera alertas para possíveis problemas com o site dataset. Exemplos de alerta incluem tipos de colunas não suportados e colunas de alta cardinalidade. Esses alertas aparecem na página do experimento sob o novo alerta tab. Informações adicionais sobre alerta estão incluídas no Data Exploration Notebook. Para obter mais informações, consulte executar o experimento e monitorar os resultados.
Redução do sobreajuste do modelo
Dois novos recursos reduzem as chances de ajuste excessivo de um modelo ao usar o AutoML:
- O AutoML agora informa métricas de teste, além das métricas de validação e treinamento.
- O AutoML agora usa a parada antecipada. Ele interrompe o treinamento e os modelos de ajuste se as métricas de validação não estiverem mais melhorando.
Dividir dataset em conjuntos de treinamento/validação/teste em ordem cronológica
Para problemas de classificação e regressão, o senhor pode dividir cronologicamente o site dataset em conjuntos de treinamento, validação e teste. Consulte Dividir dados em conjuntos de treinamento, validação e teste para obter detalhes.
Aprimoramentos no Databricks recurso Store
Databricks O recurso Store agora oferece suporte a tipos de dados adicionais para tabelas de recurso: BinaryType
, DecimalType
e MapType
.
Mlflow
Os seguintes aprimoramentos estão disponíveis a partir da versão 1.21.0 do Mlflow, que está incluída no Databricks Runtime 10.1 ML.
- [Modelos] Atualize a variante do modelo
fastai
para oferecer suporte a fastai v2 (2.4.1 e acima). - [Modelos] Introduzir uma variante de modelo mlflow.prophet para modelos de série temporal do Prophet.
- [Pontuação] Corrige um erro de imposição de esquema que converte incorretamente o site strings em objetos datetime.
Hyperopt
SparkTrials
agora suporta o parâmetro early_stopping_fn
para fmin
. O senhor pode usar a função de parada antecipada para especificar as condições em que o Hyperopt deve interromper o ajuste do hiperparâmetro antes que o número máximo de avaliações seja atingido. Por exemplo, você pode usar esse parâmetro para finalizar o ajuste se a função objetivo não estiver mais diminuindo. Para obter detalhes, consulte fmin()
.
Principais mudanças no ambiente do Databricks Runtime ML Python
Python pacote atualizado
- automl 1.3.1 = > 1.4.1
- recurso 0.3.4 = > 0,3,5
- feriados 0.11.2 = > 0.11.3.1
- Horovod 0.22.1 => 0.23.0
- Hyperopt 0.2.5.db2 => 0.2.5.db4
- aprendizado desequilibrado 0.8.0 = > 0.8.1
- lightgbm 3.1.1 = > 3,3,0
- fluxo de leite 1.20.2 = > 1,21,0
- petastorm 0.11.2 = > 0.11.3
- trama 5.1.0 = > 5,3,0
- PyTorch 1.9.0 => 1.9.1
- espacial 3.1.2 = > 3,13
- sparkdl 2.2.0_db3 = > 2.2.0_db4
- torchvision 0.10.0 = > 0.10.1
- transformadores 4.9.2 = > 4.11.3
Python pacote adicionado
- texto rápido = > 0.9.2
- TensorBoard-plugin-profile => 2.5.0
Depreciações
MLlib O acompanhamento automatizado MLflow está obsoleto no clustering que executa Databricks Runtime 10.1 ML e acima. Em vez disso, use o MLflow PySpark ML autologging chamando mlflow.pyspark.ml.autolog()
. O autologging é ativado pelo site default com Databricks Autologging.
Ambiente do sistema
O ambiente do sistema no Databricks Runtime 10.1 ML difere do Databricks Runtime 10.1 da seguinte forma:
- DBUtils : Databricks Runtime ML não inclui utilidades de biblioteca (dbutils.biblioteca) (legado). Em vez disso, use
%pip
comando. NotebookConsulte -scoped Pythonbiblioteca. - Para o clustering de GPU, o site Databricks Runtime ML inclui a seguinte biblioteca de GPUs NVIDIA:
- CUDA 11.0
- cuDNN 8.0.5.39
- NCCL 2.10.3
- TensorRT 7.2.2
biblioteca
As seções a seguir listam as bibliotecas incluídas em Databricks Runtime 10.1 ML que diferem daquelas incluídas em Databricks Runtime 10.1.
Nesta secção:
- Biblioteca de primeira linha
- Bibliotecas Python
- R biblioteca
- Java e Scala biblioteca (Scala 2.12 clustering)
Biblioteca de primeira linha
Databricks Runtime 10.1 O site ML inclui as seguintes bibliotecas de primeira linha:
- GraphFrames
- Horovod e HorovodRunner
- MLflow
- PyTorch
- spark-tensorflow-connector
- TensorFlow
- TensorBoard
Python biblioteca
Databricks Runtime 10.1 O ML usa o Virtualenv para o gerenciamento do pacote Python e inclui muitos pacotes populares do ML.
Além do pacote especificado nas seções a seguir, Databricks Runtime 10.1 ML também inclui o seguinte pacote:
- Hyperopt 0.2.5.db4
- sparkdl 2.2.0-db4
- recurso 0.3.5
- automl 1.4.0
O Databricks Runtime 10.1 ML inclui o scikit-learn versão 0.24 em vez da versão 1.0 devido a problemas de incompatibilidade. O pacote scikit-learn interage com muitos outros pacotes em Databricks Runtime 10.1 ML.
O senhor pode atualizar para a versão 1.0 do scikit-learn; no entanto, a Databricks não oferece suporte a essa versão.
Para atualizar, use a biblioteca com escopo de Notebook. From a Notebook, execução %pip install --upgrade "scikit-learn>=1.0,<1.1"
.
Uma alternativa é usar este clustering init script:
#!/bin/bash
set -e
pip install --upgrade "scikit-learn>=1.0,<1.1"
Python biblioteca sobre clustering de CPU
Biblioteca | Versão | Biblioteca | Versão | Biblioteca | Versão |
---|---|---|---|---|---|
abl-py | 0.11.0 | Antergos Linux | 2015.10 (versão ISO) | apronta | 1.4.4 |
argônio-2-cffi | 20.1.0 | pastor | 0.8.1 | atunparse | 1.6.3 |
gerador assíncrono | 1,10 | atrai | 20,3,0 | chamada de volta | 0.2.0 |
bcriptar | 3.2.0 | cândida | 3.3.0 | blis | 0.7.4 |
boto3 | 1,16.7 | botocore | 1.19,7 | ferramentas de cache | 4.2.4 |
catálogo | 2.0.6 | certifi | 2020.12,5 | caffi | 1,14.5 |
chardet | 4.0.0 | ressoar | 5,0 | clique | 7.1.2 |
salmoura | 1.6.0 | cmdstanpy | 0,9,68 | analisador de configuração | 5.0.1 |
data de conversão | 2.3.2 | criptografia | 3.4.7 | ciclador | 0.10.0 |
cimem | 2.0.5 | Cython | 0,29,23 | databricks-automl-runtime | 0.2.3 |
Databricks-CLI | 0,14.3 | dbus-Python | 1.2.16 | decorador | 5.0.6 |
xml desfundido | 0.7.1 | endro | 0.3.2 | cache em disco | 5.2.1 |
distlib | 0.3.3 | informação da distribuição | 0,23 ubuntu 1 | pontos de entrada | 0,3 |
efema | 4.1 | visão geral das facetas | 1.0.0 | texto rápido | 0.9.2 |
bloqueio de arquivo | 3.0.12 | Frasco | 1.1.2 | tampões planos | 1,12 |
fsspec | 0.9.0 | futuro | 0,18.2 | ímpeto | 0.4.0 |
gitdb | 4.0.7 | GitPython | 3.1.12 | autenticação do Google | 1.22.1 |
google-auth-oauthlib | 0.4.2 | google-pasta | 0.2.0 | grócio | 1,39,0 |
unicórnio | 20,0.4 | gviz-api | 1.10.0 | h5py | 3.1.0 |
conversor híjri | 2.2.2 | férias | 0.11.3.1 | Horovod | 0,23,0 |
html/min | 0.1.12 | abraçando o face-hub | 0,0,19 | Índia | 2,10 |
Hash de imagem | 4.2.1 | aprendizado desequilibrado | 0.8.1 | importlib-metadados | 3.10.0 |
ipykernel | 5.3.4 | ipython | 7.22,0 | ipython-genutils | 0.2.0 |
ipywidgets | 7.6.3 | isodato | 0.6.0 | é perigoso | 1.1.0 |
jedi | 0,17.2 | Jinja 2 | 2.11.3 | jmespath | 0.10.0 |
joblib | 1.0.1 | joblibspark | 0.3.0 | esquema json | 3.2.0 |
cliente jupyter | 6.1.12 | núcleo jupyter | 4.7.1 | pigmentos jupyterlab | 0.1.2 |
widgets jupyterlab | 1.0.0 | Keras | 2.6.0 | Keras-Pré-processamento | 1.1.2 |
solucionador de kiwi | 1.3.1 | coalas | 1.8.2 | calendário lunar coreano | 0.2.1 |
LightGBM | 3.3.0 | llvmlite | 0,37,0 | Calendário lunar | 0,0.9 |
Mako | 1.1.3 | Markdown | 3.3.3 | MarkupSafe | 2.0.1 |
Matplotlib | 3.4.2 | faltando não | 0.5.0 | confundir | 0,8.4 |
pular | 0,18.1 | malflow-skinny | 1,21,0 | multimétodo | 1,6 |
murmurar | 1.0.5 | cliente nb | 0.5.3 | nbconvert | 6.0.7 |
formato nb | 5.1.3 | nest-assíncio | 1.5.1 | redes | 2,5 |
nltk | 3.6.1 | notebook | 6.3.0 | numba | 0,54,1 |
entorpecido | 1.19.2 | oauthlib | 3.1.0 | opt-einsum | 3.3.0 |
fazendo às malas | 20,9 | Pandas | 1.2.4 | perfil de pandas | 3.1.0 |
filtros pandóicos | 1.4.3 | paramiko | 2.7.2 | parso | 0.7.0 |
patia | 0.6.0 | bode expiatório | 0.5.1 | petastorme | 0.11.3 |
esperar | 4.8.0 | phik | 0.12.0 | picles | 0.7.5 |
Travesseiro | 8.2.0 | pip | 21.0.1 | Plotly | 5.3.0 |
pressionado | 3.0.5 | cliente prometheus | 0.10.1 | kit de ferramentas de aviso | 3.0.17 |
Prophet | 1.0.1 | protobuf | 3.17.2 | pistila | 5.8.0 |
psycopg2 | 2.8.5 | processo pty | 0.7.0 | flecha | 4.0.0 |
pyasn1 | 0.4.8 | módulos pyasn1 | 0.2.8 | pybind11 | 2.8.0 |
pycparser | 2,20 | pidântico | 1.8.2 | Pigmentos | 2.8.1 |
Objeto PYG | 3,36,0 | Pymeeus | 0.5.11 | PyNaCL | 1.4.0 |
pyodbc | 4,0.30 | análise de pipa | 2.4.7 | persistente | 0,17.3 |
pystan | 2.19.1.1 | Python-apt | 2.0.0+ubuntu0.20.4.6 | Python-dateutil | 2.8.1 |
Python-editor | 1.0.4 | pytz | 2020,5 | PY Wavelets | 1.1.1 |
PyYAML | 5.4.1 | pizma | 20.0.0 | regex | 2021.4.4 |
pedidos | 2.25.1 | solicitações-oauthlib | 1.3.0 | solicitações - soquete unix | 0.2.0 |
rsa | 4.7.2 | transferência s3 | 0.3.7 | sacremoses | 0,0,46 |
scikit-learn | 0,24,1 | pegajoso | 1.6.2 | marítimo | 0.11.1 |
Enviar 2 lixeiras | 1.5.0 | ferramentas de configuração | 52,0,0 | ferramentas de configuração - git | 1.2 |
forma | 0,39,0 | simplejson | 3.17.2 | seis | 1,15.0 |
fatiador | 0.0.7 | aberto de forma inteligente | 5.2.0 | tapa | 3.0.5 |
espaçoso | 3.1.3 | legado espacial | 3.0.8 | distribuidor de fluxo tensor de faísca | 1.0.0 |
sqlparse | 0.4.1 | sensatamente | 2.4.1 | ID de importação ssh | 5,10 |
modelos de estatísticas | 0.12.2 | tabular | 0,8.7 | emaranhado em unicode | 0.1.0 |
tenacidade | 6.2.0 | TensorBoard | 2.6.0 | TensorBoard-servidor de dados | 0.6.1 |
TensorBoard-perfil do plugin | 2.5.0 | TensorBoard-plugin-wit | 1.8.0 | tensorflow-cpu | 2.6.0 |
estimador de fluxo tensor | 2.6.0 | cor do termo | 1.1.0 | terminado | 0.9.4 |
caminho de teste | 0.4.4 | uma coisa | 8.0.9 | threadpool ctl | 2.1.0 |
tokenizadores | 0.10.3 | lanterna | 1.9.1+CPU | visão de tocha | 0.10.1+cpu |
tornado | 6.1 | tqdm | 4,59,0 | almôndegas | 5.0.5 |
transformadores | 4.11.3 | digitar | 0.3.2 | extensões de digitação | 3.7.4.3 |
junhão | 4.0.2 | atualizações autônomas | 0,1 | urllib3 | 1,25.11 |
ambiente virtual | 20.4.1 | visões | 0.7.4 | wasabi | 0.8.2 |
largura do wc | 0.2.5 | codificações da web | 0.5.1 | cliente websocket | 0,57,0 |
Utilitário | 1.0.1 | Python wheel | 0,36,2 | extensão widgetsnb | 3.5.1 |
embrulhar | 1.12.1 | xgboost | 1.4.2 | zíper | 3.4.1 |
Python biblioteca sobre clustering de GPU
Biblioteca | Versão | Biblioteca | Versão | Biblioteca | Versão |
---|---|---|---|---|---|
abl-py | 0.11.0 | Antergos Linux | 2015.10 (versão ISO) | apronta | 1.4.4 |
argônio-2-cffi | 20.1.0 | pastor | 0.8.1 | atunparse | 1.6.3 |
gerador assíncrono | 1,10 | atrai | 20,3,0 | chamada de volta | 0.2.0 |
bcriptar | 3.2.0 | cândida | 3.3.0 | blis | 0.7.4 |
boto3 | 1,16.7 | botocore | 1.19,7 | ferramentas de cache | 4.2.4 |
catálogo | 2.0.6 | certifi | 2020.12,5 | caffi | 1,14.5 |
chardet | 4.0.0 | ressoar | 5,0 | clique | 7.1.2 |
salmoura | 1.6.0 | cmdstanpy | 0,9,68 | analisador de configuração | 5.0.1 |
data de conversão | 2.3.2 | criptografia | 3.4.7 | ciclador | 0.10.0 |
cimem | 2.0.5 | Cython | 0,29,23 | databricks-automl-runtime | 0.2.3 |
Databricks-CLI | 0,14.3 | dbus-Python | 1.2.16 | decorador | 5.0.6 |
xml desfundido | 0.7.1 | endro | 0.3.2 | cache em disco | 5.2.1 |
distlib | 0.3.3 | informação da distribuição | 0,23 ubuntu 1 | pontos de entrada | 0,3 |
efema | 4.1 | visão geral das facetas | 1.0.0 | texto rápido | 0.9.2 |
bloqueio de arquivo | 3.0.12 | Frasco | 1.1.2 | tampões planos | 1,12 |
fsspec | 0.9.0 | futuro | 0,18.2 | ímpeto | 0.4.0 |
gitdb | 4.0.7 | GitPython | 3.1.12 | autenticação do Google | 1.22.1 |
google-auth-oauthlib | 0.4.2 | google-pasta | 0.2.0 | grócio | 1,39,0 |
unicórnio | 20,0.4 | gviz-api | 1.10.0 | h5py | 3.1.0 |
conversor híjri | 2.2.2 | férias | 0.11.3.1 | Horovod | 0,23,0 |
html/min | 0.1.12 | abraçando o face-hub | 0,0,19 | Índia | 2,10 |
Hash de imagem | 4.2.1 | aprendizado desequilibrado | 0.8.1 | importlib-metadados | 3.10.0 |
ipykernel | 5.3.4 | ipython | 7.22,0 | ipython-genutils | 0.2.0 |
ipywidgets | 7.6.3 | isodato | 0.6.0 | é perigoso | 1.1.0 |
jedi | 0,17.2 | Jinja 2 | 2.11.3 | jmespath | 0.10.0 |
joblib | 1.0.1 | joblibspark | 0.3.0 | esquema json | 3.2.0 |
cliente jupyter | 6.1.12 | núcleo jupyter | 4.7.1 | pigmentos jupyterlab | 0.1.2 |
widgets jupyterlab | 1.0.0 | Keras | 2.6.0 | Keras-Pré-processamento | 1.1.2 |
solucionador de kiwi | 1.3.1 | coalas | 1.8.2 | calendário lunar coreano | 0.2.1 |
LightGBM | 3.3.0 | llvmlite | 0,37,0 | Calendário lunar | 0,0.9 |
Mako | 1.1.3 | Markdown | 3.3.3 | MarkupSafe | 2.0.1 |
Matplotlib | 3.4.2 | faltando não | 0.5.0 | confundir | 0,8.4 |
pular | 0,18.1 | malflow-skinny | 1,21,0 | multimétodo | 1,6 |
murmurar | 1.0.5 | cliente nb | 0.5.3 | nbconvert | 6.0.7 |
formato nb | 5.1.3 | nest-assíncio | 1.5.1 | redes | 2,5 |
nltk | 3.6.1 | notebook | 6.3.0 | numba | 0,54,1 |
entorpecido | 1.19.2 | oauthlib | 3.1.0 | opt-einsum | 3.3.0 |
fazendo às malas | 20,9 | Pandas | 1.2.4 | perfil de pandas | 3.1.0 |
filtros pandóicos | 1.4.3 | paramiko | 2.7.2 | parso | 0.7.0 |
patia | 0.6.0 | bode expiatório | 0.5.1 | petastorme | 0.11.3 |
esperar | 4.8.0 | phik | 0.12.0 | picles | 0.7.5 |
Travesseiro | 8.2.0 | pip | 21.0.1 | Plotly | 5.3.0 |
pressionado | 3.0.5 | kit de ferramentas de aviso | 3.0.17 | Prophet | 1.0.1 |
protobuf | 3.17.2 | pistila | 5.8.0 | psycopg2 | 2.8.5 |
processo pty | 0.7.0 | flecha | 4.0.0 | pyasn1 | 0.4.8 |
módulos pyasn1 | 0.2.8 | pybind11 | 2.8.1 | pycparser | 2,20 |
pidântico | 1.8.2 | Pigmentos | 2.8.1 | Objeto PYG | 3,36,0 |
Pymeeus | 0.5.11 | PyNaCL | 1.4.0 | pyodbc | 4,0.30 |
análise de pipa | 2.4.7 | persistente | 0,17.3 | pystan | 2.19.1.1 |
Python-apt | 2.0.0+ubuntu0.20.4.6 | Python-dateutil | 2.8.1 | Python-editor | 1.0.4 |
pytz | 2020,5 | PY Wavelets | 1.1.1 | PyYAML | 5.4.1 |
pizma | 20.0.0 | regex | 2021.4.4 | pedidos | 2.25.1 |
solicitações-oauthlib | 1.3.0 | solicitações - soquete unix | 0.2.0 | rsa | 4.7.2 |
transferência s3 | 0.3.7 | sacremoses | 0,0,46 | scikit-learn | 0,24,1 |
pegajoso | 1.6.2 | marítimo | 0.11.1 | Enviar 2 lixeiras | 1.5.0 |
ferramentas de configuração | 52,0,0 | ferramentas de configuração - git | 1.2 | forma | 0,39,0 |
simplejson | 3.17.2 | seis | 1,15.0 | fatiador | 0.0.7 |
aberto de forma inteligente | 5.2.0 | tapa | 3.0.5 | espaçoso | 3.1.3 |
legado espacial | 3.0.8 | distribuidor de fluxo tensor de faísca | 1.0.0 | sqlparse | 0.4.1 |
sensatamente | 2.4.1 | ID de importação ssh | 5,10 | modelos de estatísticas | 0.12.2 |
tabular | 0,8.7 | emaranhado em unicode | 0.1.0 | tenacidade | 6.2.0 |
TensorBoard | 2.6.0 | TensorBoard-servidor de dados | 0.6.1 | TensorBoard-perfil do plugin | 2.5.0 |
TensorBoard-plugin-wit | 1.8.0 | TensorFlow | 2.6.0 | estimador de fluxo tensor | 2.6.0 |
cor do termo | 1.1.0 | terminado | 0.9.4 | caminho de teste | 0.4.4 |
uma coisa | 8.0.9 | threadpool ctl | 2.1.0 | tokenizadores | 0.10.3 |
lanterna | 1,9.1+cu111 | visão de tocha | 0,10,1+cu111 | tornado | 6.1 |
tqdm | 4,59,0 | almôndegas | 5.0.5 | transformadores | 4.11.3 |
digitar | 0.3.2 | extensões de digitação | 3.7.4.3 | junhão | 4.0.2 |
atualizações autônomas | 0,1 | urllib3 | 1,25.11 | ambiente virtual | 20.4.1 |
visões | 0.7.4 | wasabi | 0.8.2 | largura do wc | 0.2.5 |
codificações da web | 0.5.1 | cliente websocket | 0,57,0 | Utilitário | 1.0.1 |
Python wheel | 0,36,2 | extensão widgetsnb | 3.5.1 | embrulhar | 1.12.1 |
xgboost | 1.4.2 | zíper | 3.4.1 |
Spark pacote contendo os módulos Python
Spark pacote | Módulo Python | Versão |
---|---|---|
graphframes | graphframes | 0.8.2-db1-spark3,2 |
R biblioteca
A biblioteca R é idêntica à biblioteca R em Databricks Runtime 10.1.
Java e biblioteca ( 2.12 clustering) Scala Scala
Além de Java e Scala biblioteca em Databricks Runtime 10.1, Databricks Runtime 10.1 ML contém os seguintes JARs:
Agrupamento de CPU
ID do grupo | ID do artefato | Versão |
---|---|---|
com.typesafe.akka | também conhecido como actor_2.12 | 2.5.23 |
ml.combust.mleap | mleap-databricks-runtime_2.12 | 0,17.0-4882dc3 |
ml.dmlc | xgboost4j-spark_2.12 | 1.4.1 |
ml.dmlc | xgboost4j_2,12 | 1.4.1 |
org.graphframes | graphframes_2.12 | 0.8.1-db6-spark3,2 |
org.mlflow | cliente mlflow | 1.20.2 |
org.mlflow | faísca de fluxo | 1.20.2 |
org.Scala-lang.modules | Scala-java8-compat_2.12 | 0,8.0 |
org.tensorflow | spark-tensorflow-connector_2.12 | 1,15.0 |
Agrupamento de GPU
ID do grupo | ID do artefato | Versão |
---|---|---|
com.typesafe.akka | também conhecido como actor_2.12 | 2.5.23 |
ml.combust.mleap | mleap-databricks-runtime_2.12 | 0,18.1-23eb1ef |
ml.dmlc | xgboost4j-gpu_2,12 | 1.4.1 |
ml.dmlc | xgboost4j-spark-gpu_2.12 | 1.4.1-spark3.2 |
org.graphframes | graphframes_2.12 | 0.8.2-db1-spark3,2 |
org.mlflow | cliente mlflow | 1,21,0 |
org.mlflow | faísca de fluxo | 1,21,0 |
org.Scala-lang.modules | Scala-java8-compat_2.12 | 0,8.0 |
org.tensorflow | spark-tensorflow-connector_2.12 | 1,15.0 |