Databricks Runtime 12.0 para aprendizado de máquina (EoS)
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 12.0 for Machine Learning oferece um ambiente pronto para uso para aprendizado de máquina e ciência de dados com base no Databricks Runtime 12.0 (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.
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 12.0 ML foi desenvolvido com base no Databricks Runtime 12.0. Para obter informações sobre as novidades do Databricks Runtime 12.0, incluindo Apache Spark MLlib e SparkR, consulte as notas sobre a versão Databricks Runtime 12.0 (EoS).
Aprimoramentos do AutoML
- Os modelos de previsão agora podem incluir feriados nacionais.
- A previsão agora funciona com frequências mensais, trimestrais e anuais.
- AutoML agora pode usar um conjunto de dados maior para treinamento. AutoML aloca automaticamente mais núcleos de CPU para grandes conjuntos de dados.
Para obter mais informações sobre AutoML, consulte O que é AutoML?
MLflow 2.0
O Databricks Runtime 12.0 ML inclui o MLflow 2.0. MLflow O 2.0 se baseia na sólida plataforma do MLflowe incorpora um amplo feedback dos usuários para simplificar a ciência de dados fluxo de trabalho e oferecer ferramentas inovadoras e de primeira classe para o MLOps. Os recursos e melhorias incluem extensões para MLflow Recipes (anteriormente MLflow pipeline), como AutoML, ajuste de hiperparâmetros e suporte à classificação, bem como integrações modernizadas com o ecossistema ML, uma interface de usuário de acompanhamento MLflow simplificada, um refresh do núcleo APIs nos componentes da plataforma MLflowe muito mais. Para obter mais informações, consulte a documentação doMLflow 2.0 ou confira a postagem no blog.
scikit-learn 1,0
O Databricks Runtime ML 12.0 inclui o site scikit-learn versão 1.0. Visite a documentação do site scikit-learn para saber mais sobre as alterações feitas nesta versão do scikit-learn.
Ambiente do sistema
O ambiente do sistema no Databricks Runtime 12.0 ML difere do Databricks Runtime 12.0 da seguinte forma:
- DBUtils : Databricks Runtime ML não inclui utilidades de biblioteca (dbutils.biblioteca) (legado). Em vez disso, use
%pipcomando. NotebookConsulte -scoped Pythonbiblioteca. - Para o clustering de GPU, o site Databricks Runtime ML inclui a seguinte biblioteca de GPUs NVIDIA:
- CUDA 11.3
- cuDNN 8.0.5.39
- NCCL 2.9.9
- TensorRT 7.2.2
O Databricks Runtime 12.0 ML inclui o XGBoost 1.6.2, que não oferece suporte a clustering de GPU com compute capability 5.2 e abaixo.
biblioteca
As seções a seguir listam as bibliotecas incluídas no Databricks Runtime 12.0 ML que diferem daquelas incluídas no Databricks Runtime 12.0.
Nesta secção:
- Biblioteca de primeira linha
- Bibliotecas Python
- R biblioteca
- Java e Scala biblioteca (Scala 2.12 clustering)
Biblioteca de primeira linha
Databricks Runtime 12.0 ML inclui as seguintes bibliotecas de primeira linha:
- GraphFrames
- Horovod e HorovodRunner
- MLflow
- PyTorch
- spark-tensorflow-connector
- TensorFlow
- TensorBoard
- scikit-learn
Python biblioteca
Databricks Runtime 12.0 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, o Databricks Runtime 12.0 ML também inclui o seguinte pacote:
- Hyperopt 0.2.7.db1
- sparkdl 2.3.0-db3
- automl 1.14.1
Para reproduzir o ambiente Databricks Runtime ML Python em seu ambiente virtual local Python, download o arquivo requirements-12.0.txt e execute pip install -r requirements-12.0.txt. Esse comando instala toda a biblioteca de código aberto que o site Databricks Runtime ML usa, mas não instala a biblioteca desenvolvida pelo site Databricks, como databricks-automl, databricks-feature-store ou o fork Databricks de hyperopt.
Python biblioteca sobre clustering de CPU
Biblioteca | Versão | Biblioteca | Versão | Biblioteca | Versão |
|---|---|---|---|---|---|
abl-py | 1.0.0 | argônio-2-cffi | 21,3,0 | ligações argônio-2-cffi | 21.2.0 |
pastor | 0.8.1 | asttokens | 2.0.5 | atunparse | 1.6.3 |
atrai | 21,4,0 | núcleo do azure | 1.26.1 | azure-cosmos | 4.2.0 |
chamada de volta | 0.2.0 | backports.pontos de entrada selecionáveis | 1.2.0 | bcriptar | 3.2.0 |
linda sopa 4 | 4.11.1 | preto | 22,3,0 | cândida | 4.1.0 |
blis | 0.7.9 | boto3 | 1,21,32 | botocore | 1,24,32 |
ferramentas de cache | 4.2.2 | catálogo | 2.0.8 | codificadores de categoria | 2.5.1. Postagem 0 |
certifi | 2021.10.8 | caffi | 1,15.0 | chardet | 4.0.0 |
normalizador de conjuntos de caracteres | 2.0.4 | clique | 8.0.4 | salmoura | 2.0.0 |
cmdstanpy | 1,0.8 | confecção | 0,0.3 | analisador de configuração | 5.2.0 |
data de conversão | 2.4.0 | criptografia | 3.4.8 | ciclador | 0.11.0 |
cimem | 2.0.7 | Cython | 0,29,28 | databricks-automl-runtime | 0.2,13 |
Databricks-CLI | 0,17.3 | databricks-recurso-store | 0,8.0 | dbl-tempo | 0.1.12 |
dbus-Python | 1.2.16 | depurar | 1.5.1 | decorador | 5.1.1 |
xml desfundido | 0.7.1 | endro | 0.3.4 | cache em disco | 5.4.0 |
distlib | 0.3.6 | pontos de entrada | 0,4 | efema | 4.1.3 |
execução | 0,8.3 | visão geral das facetas | 1.0.0 | esquema fastjson | 2.16.2 |
texto rápido | 0.9.2 | bloqueio de arquivo | 3.6.0 | Frasco | 1.1.2 |
tampões planos | 22.10.26 | ferramentas de fonte | 4,25.0 | fsspec | 2022.2.0 |
futuro | 0,18.2 | ímpeto | 0.4.0 | gitdb | 4.0.9 |
GitPython | 3.1.27 | autenticação do Google | 1,33,0 | google-auth-oauthlib | 0.4.6 |
google-pasta | 0.2.0 | grócio | 1,42,0 | unicórnio | 20.1.0 |
gviz-api | 1.10.0 | h5py | 3.6.0 | conversor híjri | 2.2.4 |
férias | 0,16 | Horovod | 0,25,0 | html/min | 0.1.12 |
abraçando o face-hub | 0.11.0 | Índia | 3.3 | Hash de imagem | 4.3.1 |
aprendizado desequilibrado | 0.8.1 | importlib-metadados | 4.11.3 | ipykernel | 6.15.3 |
ipython | 8.5.0 | ipython-genutils | 0.2.0 | ipywidgets | 7.7.2 |
isodato | 0.6.1 | é perigoso | 2.0.1 | jedi | 0,18.1 |
Jinja 2 | 2.11.3 | jmespath | 0.10.0 | joblib | 1.1.0 |
joblibspark | 0.5.0 | esquema json | 4.4.0 | cliente jupyter | 6.1.12 |
jupyter_core | 4.11.2 | pigmentos jupyterlab | 0.1.2 | widgets jupyterlab | 1.0.0 |
Keras | 2.10.0 | Keras-Pré-processamento | 1.1.2 | solucionador de kiwi | 1.3.2 |
calendário lunar coreano | 0.3.1 | códigos de idioma | 3.3.0 | libclang | 14,0,6 |
LightGBM | 3.3.3 | llvmlite | 0,38,0 | Calendário lunar | 0,0.9 |
Mako | 1.2.0 | Markdown | 3.3.4 | MarkupSafe | 2.0.1 |
Matplotlib | 3.5.1 | matplotlib-inline | 0.1.2 | faltando não | 0.5.1 |
confundir | 0,8.4 | pular | 0,20,0 | malflow-skinny | 2.0.1 |
multimétodo | 1,8 | murmurar | 1.0.9 | extensões mypy | 0.4.3 |
cliente nb | 0,5.13 | nbconvert | 6.4.4 | formato nb | 5.3.0 |
nest-assíncio | 1.5.5 | redes | 2.7.1 | nltk | 3.7 |
notebook | 6.4.8 | numba | 0,55,1 | entorpecido | 1,21,5 |
oauthlib | 3.2.0 | opt-einsum | 3.3.0 | fazendo às malas | 21,3 |
Pandas | 1.4.2 | perfil de pandas | 3.3.0 | filtros pandóicos | 1.5.0 |
paramiko | 2.9.2 | parso | 0,8.3 | especificação do caminho | 0.9.0 |
patia | 0.6.1 | bode expiatório | 0.5.2 | petastorme | 0,11.4 |
esperar | 4.8.0 | phik | 0.12.2 | picles | 0.7.5 |
Travesseiro | 9.0.1 | pip | 21.2.4 | platformdirs | 2.5.4 |
Plotly | 5.6.0 | pmdarima | 2.0.1 | pressionado | 3.0.8 |
cliente prometheus | 0.13.1 | kit de ferramentas de aviso | 3,0.20 | Prophet | 1.1.1 |
protobuf | 3.19.4 | pistila | 5.8.0 | psycopg2 | 2.9.3 |
processo pty | 0.7.0 | avaliação pura | 0.2.2 | flecha | 7.0.0 |
pyasn1 | 0.4.8 | módulos pyasn1 | 0.2.8 | pybind11 | 2.10.1 |
pycparser | 2,21 | pidântico | 1.9.2 | Pigmentos | 2.11.2 |
Objeto PYG | 3,36,0 | PyJWT | 2.6.0 | Pymeeus | 0.5.11 |
PyNaCL | 1.5.0 | pyodbc | 4,0,32 | análise de pipa | 3.0.4 |
persistente | 0,18.0 | Python-dateutil | 2.8.2 | Python-editor | 1.0.4 |
pytz | 2021,3 | PY Wavelets | 1.3.0 | PyYAML | 6,0 |
pizma | 22,3,0 | regex | 2022.3,15 | pedidos | 2.27.1 |
solicitações-oauthlib | 1.3.1 | solicitações - soquete unix | 0.2.0 | rsa | 4.7.2 |
transferência s3 | 0.5.0 | scikit-learn | 1.0.2 | pegajoso | 1.7.3 |
marítimo | 0.11.2 | Enviar 2 lixeiras | 1.8.0 | ferramentas de configuração | 61,2,0 |
ferramentas de configuração - git | 1.2 | forma | 0,41,0 | simplejson | 3.17.6 |
seis | 1,16.0 | fatiador | 0.0.7 | aberto de forma inteligente | 5.1.0 |
tapa | 5.0.0 | peneira | 2.3.1 | espaçoso | 3.4.1 |
legado espacial | 3.0.10 | registradores espaciais | 1.0.3 | distribuidor de fluxo tensor de faísca | 1.0.0 |
sqlparse | 0.4.2 | sensatamente | 2.4.5 | ID de importação ssh | 5,10 |
dados de pilha | 0.2.0 | modelos de estatísticas | 0,13.2 | tabular | 0,8.9 |
emaranhado em unicode | 0.2.0 | tenacidade | 8.0.1 | TensorBoard | 2.10.0 |
TensorBoard-servidor de dados | 0.6.1 | TensorBoard-perfil do plugin | 2.8.0 | TensorBoard-plugin-wit | 1.8.1 |
tensorflow-cpu | 2.10.0 | estimador de fluxo tensor | 2.10.0 | tensorflow-io-GCS-filesystem | 0,28,0 |
cor do termo | 2.1.1 | terminado | 0.13.1 | caminho de teste | 0.5.0 |
uma coisa | 8.1.5 | threadpool ctl | 2.2.0 | tokenizar-rt | 4.2.1 |
tokenizadores | 0,13.2 | tomli | 1.2.2 | lanterna | 1.12.1+cpu |
visão de tocha | 0,13,1+cpu | tornado | 6.1 | tqdm | 4,64,0 |
almôndegas | 5.1.1 | transformadores | 4.23.1 | digitar | 0.4.2 |
extensões_de digitação | 4.1.1 | atualizações autônomas | 0,1 | urllib3 | 1.26.9 |
ambiente virtual | 20,8.0 | visões | 0.7.5 | wasabi | 0.10.1 |
largura do wc | 0.2.5 | codificações da web | 0.5.1 | cliente websocket | 0,58,0 |
Utilitário | 2.0.3 | Python wheel | 0,37,1 | extensão widgetsnb | 3.6.1 |
embrulhar | 1.12.1 | zíper | 3.7.0 |
Python biblioteca sobre clustering de GPU
Biblioteca | Versão | Biblioteca | Versão | Biblioteca | Versão |
|---|---|---|---|---|---|
abl-py | 1.0.0 | argônio-2-cffi | 21,3,0 | ligações argônio-2-cffi | 21.2.0 |
pastor | 0.8.1 | asttokens | 2.0.5 | atunparse | 1.6.3 |
atrai | 21,4,0 | núcleo do azure | 1.26.1 | azure-cosmos | 4.2.0 |
chamada de volta | 0.2.0 | backports.pontos de entrada selecionáveis | 1.2.0 | bcriptar | 3.2.0 |
linda sopa 4 | 4.11.1 | preto | 22,3,0 | cândida | 4.1.0 |
blis | 0.7.9 | boto3 | 1,21,32 | botocore | 1,24,32 |
ferramentas de cache | 4.2.2 | catálogo | 2.0.8 | codificadores de categoria | 2.5.1. Postagem 0 |
certifi | 2021.10.8 | caffi | 1,15.0 | chardet | 4.0.0 |
normalizador de conjuntos de caracteres | 2.0.4 | clique | 8.0.4 | salmoura | 2.0.0 |
cmdstanpy | 1,0.8 | confecção | 0,0.3 | analisador de configuração | 5.2.0 |
data de conversão | 2.4.0 | criptografia | 3.4.8 | ciclador | 0.11.0 |
cimem | 2.0.7 | Cython | 0,29,28 | databricks-automl-runtime | 0.2,13 |
Databricks-CLI | 0,17.3 | databricks-recurso-store | 0,8.0 | dbl-tempo | 0.1.12 |
dbus-Python | 1.2.16 | depurar | 1.5.1 | decorador | 5.1.1 |
xml desfundido | 0.7.1 | endro | 0.3.4 | cache em disco | 5.4.0 |
distlib | 0.3.6 | pontos de entrada | 0,4 | efema | 4.1.3 |
execução | 0,8.3 | visão geral das facetas | 1.0.0 | esquema fastjson | 2.16.2 |
texto rápido | 0.9.2 | bloqueio de arquivo | 3.6.0 | Frasco | 1.1.2 |
tampões planos | 22.10.26 | ferramentas de fonte | 4,25.0 | fsspec | 2022.2.0 |
futuro | 0,18.2 | ímpeto | 0.4.0 | gitdb | 4.0.9 |
GitPython | 3.1.27 | autenticação do Google | 1,33,0 | google-auth-oauthlib | 0.4.6 |
google-pasta | 0.2.0 | grócio | 1,42,0 | unicórnio | 20.1.0 |
gviz-api | 1.10.0 | h5py | 3.6.0 | conversor híjri | 2.2.4 |
férias | 0,16 | Horovod | 0,25,0 | html/min | 0.1.12 |
abraçando o face-hub | 0.11.0 | Índia | 3.3 | Hash de imagem | 4.3.1 |
aprendizado desequilibrado | 0.8.1 | importlib-metadados | 4.11.3 | ipykernel | 6.15.3 |
ipython | 8.5.0 | ipython-genutils | 0.2.0 | ipywidgets | 7.7.2 |
isodato | 0.6.1 | é perigoso | 2.0.1 | jedi | 0,18.1 |
Jinja 2 | 2.11.3 | jmespath | 0.10.0 | joblib | 1.1.0 |
joblibspark | 0.5.0 | esquema json | 4.4.0 | cliente jupyter | 6.1.12 |
jupyter_core | 4.11.2 | pigmentos jupyterlab | 0.1.2 | widgets jupyterlab | 1.0.0 |
Keras | 2.10.0 | Keras-Pré-processamento | 1.1.2 | solucionador de kiwi | 1.3.2 |
calendário lunar coreano | 0.3.1 | códigos de idioma | 3.3.0 | libclang | 14,0,6 |
LightGBM | 3.3.3 | llvmlite | 0,38,0 | Calendário lunar | 0,0.9 |
Mako | 1.2.0 | Markdown | 3.3.4 | MarkupSafe | 2.0.1 |
Matplotlib | 3.5.1 | matplotlib-inline | 0.1.2 | faltando não | 0.5.1 |
confundir | 0,8.4 | pular | 0,20,0 | malflow-skinny | 2.0.1 |
multimétodo | 1,8 | murmurar | 1.0.9 | extensões mypy | 0.4.3 |
cliente nb | 0,5.13 | nbconvert | 6.4.4 | formato nb | 5.3.0 |
nest-assíncio | 1.5.5 | redes | 2.7.1 | nltk | 3.7 |
notebook | 6.4.8 | numba | 0,55,1 | entorpecido | 1,21,5 |
oauthlib | 3.2.0 | opt-einsum | 3.3.0 | fazendo às malas | 21,3 |
Pandas | 1.4.2 | perfil de pandas | 3.3.0 | filtros pandóicos | 1.5.0 |
paramiko | 2.9.2 | parso | 0,8.3 | especificação do caminho | 0.9.0 |
patia | 0.6.1 | bode expiatório | 0.5.2 | petastorme | 0,11.4 |
esperar | 4.8.0 | phik | 0.12.2 | picles | 0.7.5 |
Travesseiro | 9.0.1 | pip | 21.2.4 | platformdirs | 2.5.4 |
Plotly | 5.6.0 | pmdarima | 2.0.1 | pressionado | 3.0.8 |
kit de ferramentas de aviso | 3,0.20 | Prophet | 1.1.1 | protobuf | 3.19.4 |
pistila | 5.8.0 | psycopg2 | 2.9.3 | processo pty | 0.7.0 |
avaliação pura | 0.2.2 | flecha | 7.0.0 | pyasn1 | 0.4.8 |
módulos pyasn1 | 0.2.8 | pybind11 | 2.10.1 | pycparser | 2,21 |
pidântico | 1.9.2 | Pigmentos | 2.11.2 | Objeto PYG | 3,36,0 |
PyJWT | 2.6.0 | Pymeeus | 0.5.11 | PyNaCL | 1.5.0 |
pyodbc | 4,0,32 | análise de pipa | 3.0.4 | persistente | 0,18.0 |
Python-dateutil | 2.8.2 | Python-editor | 1.0.4 | pytz | 2021,3 |
PY Wavelets | 1.3.0 | PyYAML | 6,0 | pizma | 22,3,0 |
regex | 2022.3,15 | pedidos | 2.27.1 | solicitações-oauthlib | 1.3.1 |
solicitações - soquete unix | 0.2.0 | rsa | 4.7.2 | transferência s3 | 0.5.0 |
scikit-learn | 1.0.2 | pegajoso | 1.7.3 | marítimo | 0.11.2 |
Enviar 2 lixeiras | 1.8.0 | ferramentas de configuração | 61,2,0 | ferramentas de configuração - git | 1.2 |
forma | 0,41,0 | simplejson | 3.17.6 | seis | 1,16.0 |
fatiador | 0.0.7 | aberto de forma inteligente | 5.1.0 | tapa | 5.0.0 |
peneira | 2.3.1 | espaçoso | 3.4.1 | legado espacial | 3.0.10 |
registradores espaciais | 1.0.3 | distribuidor de fluxo tensor de faísca | 1.0.0 | sqlparse | 0.4.2 |
sensatamente | 2.4.5 | ID de importação ssh | 5,10 | dados de pilha | 0.2.0 |
modelos de estatísticas | 0,13.2 | tabular | 0,8.9 | emaranhado em unicode | 0.2.0 |
tenacidade | 8.0.1 | TensorBoard | 2.10.0 | TensorBoard-servidor de dados | 0.6.1 |
TensorBoard-perfil do plugin | 2.8.0 | TensorBoard-plugin-wit | 1.8.1 | TensorFlow | 2.10.0 |
estimador de fluxo tensor | 2.10.0 | tensorflow-io-GCS-filesystem | 0,28,0 | cor do termo | 2.1.1 |
terminado | 0.13.1 | caminho de teste | 0.5.0 | uma coisa | 8.1.5 |
threadpool ctl | 2.2.0 | tokenizar-rt | 4.2.1 | tokenizadores | 0,13.2 |
tomli | 1.2.2 | lanterna | 1,12.1+cu113 | visão de tocha | 0,13,1+cu113 |
tornado | 6.1 | tqdm | 4,64,0 | almôndegas | 5.1.1 |
transformadores | 4.23.1 | digitar | 0.4.2 | extensões_de digitação | 4.1.1 |
atualizações autônomas | 0,1 | urllib3 | 1.26.9 | ambiente virtual | 20,8.0 |
visões | 0.7.5 | wasabi | 0.10.1 | largura do wc | 0.2.5 |
codificações da web | 0.5.1 | cliente websocket | 0,58,0 | Utilitário | 2.0.3 |
Python wheel | 0,37,1 | extensão widgetsnb | 3.6.1 | embrulhar | 1.12.1 |
zíper | 3.7.0 |
R biblioteca
A biblioteca R é idêntica à biblioteca R em Databricks Runtime 12.0.
Java e biblioteca ( 2.12 clustering) Scala Scala
Além de Java e Scala biblioteca em Databricks Runtime 12.0, Databricks Runtime 12.0 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 | v0.20.0-db1 |
ml.dmlc | xgboost4j-spark_2.12 | 1.6.2 |
ml.dmlc | xgboost4j_2,12 | 1.6.2 |
org.graphframes | graphframes_2.12 | 0.8.2-db1-spark3,2 |
org.mlflow | cliente mlflow | 2.0.1 |
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 | v0.20.0-db1 |
ml.dmlc | xgboost4j-gpu_2,12 | 1.6.2 |
ml.dmlc | xgboost4j-spark-gpu_2.12 | 1.6.2 |
org.graphframes | graphframes_2.12 | 0.8.2-db1-spark3,2 |
org.mlflow | cliente mlflow | 2.0.1 |
org.Scala-lang.modules | Scala-java8-compat_2.12 | 0,8.0 |
org.tensorflow | spark-tensorflow-connector_2.12 | 1,15.0 |