Pular para o conteúdo principal

Databricks Runtime 10,2 para (EoS) ML

nota

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.

A Databricks lançou essa versão em dezembro de 2021.

O Databricks Runtime 10.2 for Machine Learning oferece um ambiente pronto para uso para aprendizado de máquina e ciência de dados com base no Databricks Runtime 10.2 (EoS). Databricks Runtime ML Contém muitas bibliotecas populares de aprendizado de máquina, incluindo TensorFlow, PyTorch, e XGBoost. Databricks Runtime ML inclui AutoMLuma ferramenta para treinar automaticamente o pipeline de aprendizado de máquina. O Databricks Runtime ML 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.

nota

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 10.2 ML foi desenvolvido com base no Databricks Runtime 10.2. Para obter informações sobre as novidades do Databricks Runtime 10.2, incluindo Apache Spark MLlib e SparkR, consulte as notas sobre a versão Databricks Runtime 10.2 (EoS).

Databricks Autologging (Prévia pública)

O Databricks Autologging está agora em Public Preview em todas as regiões. Databricks Autologging é uma solução sem código que fornece acompanhamento automático de experimentos para sessões de treinamento de aprendizado de máquina em Databricks. Com o Databricks Autologging, os parâmetros do modelo, as métricas, os arquivos e as informações de linhagem são capturados automaticamente quando o senhor treina modelos a partir de uma variedade de bibliotecas populares de aprendizado de máquina. As sessões de treinamento são registradas como MLflow acompanhamento execução. Os arquivos de modelo também são rastreados para que o senhor possa facilmente log para o MLflow Model Registry e implantá-los para pontuação de tempo real com MLflow servindo modelo.

Para obter mais informações sobre Databricks Autologging, consulte Databricks Autologging.

Aprimoramentos do AutoML

Os seguintes aprimoramentos foram feitos no AutoML.

  • O AutoML ignora as colunas que têm apenas um único valor.
  • Para problemas de classificação e regressão, a coluna de tempo usada para dividir cronologicamente o dataset em conjuntos de treinamento, validação e teste agora pode ser do tipo string. Anteriormente, somente timestamp e número inteiro eram suportados. Consulte Dividir dados em conjuntos de treinamento, validação e teste para obter detalhes.

Aprimoramentos no Databricks recurso Store

Os seguintes aprimoramentos foram feitos no Databricks recurso Store.

Interface FeatureStoreClient simplificada

A interface FeaturesToreClient foi simplificada.

  • FeatureStoreClient.create_feature_table() foi descontinuado. Em vez disso, use FeatureStoreClient.create_table().
  • FeatureStoreClient.get_feature_table() foi descontinuado. Em vez disso, use FeatureStoreClient.get_table().
  • Todos os argumentos para FeatureStoreClient.publish_table(), exceto name e online_store, devem ser passados como argumentos de palavra-chave.

Principais mudanças no ambiente do Databricks Runtime ML Python

A integração de acompanhamento automatizado MLflow para Apache Spark MLlib, que foi descontinuada em Databricks Runtime 10.1 ML, agora está desativada por default em Databricks Runtime 10.2 ML. Ele foi substituído por MLflow's PySpark ML Autologging integration, que é ativado por default com Databricks Autologging. O Autologging registra informações adicionais além do que o Automated MLflow acompanhamento for MLlib capturou, incluindo os parâmetros, as métricas e os artefatos associados ao melhor modelo.

Python pacote atualizado

  • databricks-CLI 0.14.3 => 0.16.2
  • Keras 2.6.0 => 2.7.0
  • lightgbm 3.3.0 = > 3,3,1
  • fluxo de leite 1,21,0 = > 1,22,0
  • trama 5.3.0 = > 5.3.1
  • forma 0.39.0 = > 0.40.0
  • espacial 3.1.3 = > 3,2,0
  • TensorBoard 2.6.0 => 2.7.0
  • fluxo tensor 2.6.0 = > 2.7.0
  • tocha 1.9.1 = > 1.10.0
  • torchvision 0.10.1 = > 0.11.1
  • transformadores 4.11.3 = > 4.12.3
  • xgboost 1.4.2 = > 1,5,0

Ambiente do sistema

O ambiente do sistema no Databricks Runtime 10.2 ML difere do Databricks Runtime 10.2 da seguinte forma:

biblioteca

As seções a seguir listam as bibliotecas incluídas em Databricks Runtime 10.2 ML que diferem daquelas incluídas em Databricks Runtime 10.2.

Nesta secção:

Biblioteca de primeira linha

Databricks Runtime 10.2 O site ML inclui as seguintes bibliotecas de primeira linha:

Python biblioteca

Databricks Runtime 10.2 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 10.2 ML também inclui o seguinte pacote:

  • Hyperopt 0.2.7.db1
  • sparkdl 2.2.0-db5
  • recurso 0.3.6
  • automl 1.5.0

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

bidita

0,21,4

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

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

0.2.4

Databricks-CLI

0,16.2

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

4.1.1

visão geral das facetas

1.0.0

texto rápido

0.9.2

bloqueio de arquivo

3.0.12

Frasco

1.1.2

tampões planos

2,0

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

0.1.2

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

2.7.0

Keras-Pré-processamento

1.1.2

solucionador de kiwi

1.3.1

coalas

1.8.2

calendário lunar coreano

0.2.1

códigos de idioma

3.3.0

libclang

12.0.0

LightGBM

3.3.1

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

1,22,0

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

21,3

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

5.3.1

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

2.8.1

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

Python-engineio

4.3.0

Python-socketio

5.4.1

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

0,40,0

simplejson

3.17.2

seis

1,15.0

fatiador

0.0.7

aberto de forma inteligente

5.2.0

tapa

3.0.5

espaçoso

3.2.0

legado espacial

3.0.8

registradores espaciais

1.0.1

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

2.7.0

TensorBoard-servidor de dados

0.6.1

TensorBoard-perfil do plugin

2.5.0

TensorBoard-plugin-wit

1.8.0

tensorflow-cpu

2.7.0

estimador de fluxo tensor

2.7.0

tensorflow-io-GCS-filesystem

0,22,0

cor do termo

1.1.0

terminado

0.9.4

caminho de teste

0.4.4

uma coisa

8.0.12

threadpool ctl

2.1.0

tokenizadores

0.10.3

lanterna

1.10.0+cpu

visão de tocha

0.11.1+cpu

tornado

6.1

tqdm

4,59,0

almôndegas

5.0.5

transformadores

4.12.3

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

1.5.0

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

bidita

0,21,4

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

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

0.2.4

Databricks-CLI

0,16.2

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

4.1.1

visão geral das facetas

1.0.0

texto rápido

0.9.2

bloqueio de arquivo

3.0.12

Frasco

1.1.2

tampões planos

2,0

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

0.1.2

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

2.7.0

Keras-Pré-processamento

1.1.2

solucionador de kiwi

1.3.1

coalas

1.8.2

calendário lunar coreano

0.2.1

códigos de idioma

3.3.0

libclang

12.0.0

LightGBM

3.3.1

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

1,22,0

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

21,3

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

5.3.1

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

Python-engineio

4.3.0

Python-socketio

5.4.1

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

0,40,0

simplejson

3.17.2

seis

1,15.0

fatiador

0.0.7

aberto de forma inteligente

5.2.0

tapa

3.0.5

espaçoso

3.2.0

legado espacial

3.0.8

registradores espaciais

1.0.1

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

2.7.0

TensorBoard-servidor de dados

0.6.1

TensorBoard-perfil do plugin

2.5.0

TensorBoard-plugin-wit

1.8.0

TensorFlow

2.7.0

estimador de fluxo tensor

2.7.0

tensorflow-io-GCS-filesystem

0,22,0

cor do termo

1.1.0

terminado

0.9.4

caminho de teste

0.4.4

uma coisa

8.0.12

threadpool ctl

2.1.0

tokenizadores

0.10.3

lanterna

1.10.0+cu111

visão de tocha

0,11,1+cu111

tornado

6.1

tqdm

4,59,0

almôndegas

5.0.5

transformadores

4.12.3

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

1.5.0

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 10.2.

Java e biblioteca ( 2.12 clustering) Scala Scala

Além de Java e Scala biblioteca em Databricks Runtime 10.2, Databricks Runtime 10.2 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

0,18.1-23eb1ef

ml.dmlc

xgboost4j-spark_2.12

1.5.1

ml.dmlc

xgboost4j_2,12

1.5.1

org.graphframes

graphframes_2.12

0.8.2-db1-spark3,2

org.mlflow

cliente mlflow

1,22,0

org.mlflow

faísca de fluxo

1,22,0

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-spark_2.12

1.5.1

ml.dmlc

xgboost4j_2,12

1.5.1

org.graphframes

graphframes_2.12

0.8.2-db1-spark3,2

org.mlflow

cliente mlflow

1,22,0

org.mlflow

faísca de fluxo

1,22,0

org.Scala-lang.modules

Scala-java8-compat_2.12

0,8.0

org.tensorflow

spark-tensorflow-connector_2.12

1,15.0