Databricks Runtime 10,3 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 10.3 for Machine Learning oferece um ambiente pronto para uso para aprendizado de máquina e ciência de dados com base no Databricks Runtime 10.3 (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.
Novos recursos e melhorias
O Databricks Runtime 10.3 ML foi desenvolvido com base no Databricks Runtime 10.3. Para obter informações sobre as novidades do Databricks Runtime 10.3, incluindo Apache Spark MLlib e SparkR, consulte as notas sobre a versão Databricks Runtime 10.3 (EoS).
Aprimoramentos do AutoML
Os seguintes aprimoramentos foram feitos no AutoML.
O AutoML agora suporta o modelo ARIMA para previsões
Além do Prophet, o AutoML agora cria e avalia modelos ARIMA para problemas de previsão.
Excluir colunas de dataset
Ao usar a API do AutoML, o senhor pode especificar colunas que o AutoML deve ignorar durante seus cálculos. Isso está disponível somente para problemas de classificação e regressão. Consulte a referência da API Python do AutoML para obter detalhes.
Excluir estruturas de algoritmos de uma execução do AutoML
O senhor pode especificar estruturas de algoritmos, como o scikit-learn, que o AutoML não deve considerar ao desenvolver modelos. Consulte Configurações avançadas e Referência da API Python do AutoML para obter detalhes.
max_trials obsoleto
O parâmetro max_trials está obsoleto e será removido na próxima versão principal do Databricks Runtime ML. Use timeout_minutes para controlar a duração de uma execução do AutoML. Além disso, no Databricks Runtime 10.1 ML e acima, o AutoML incorpora a interrupção antecipada; ele interromperá os modelos de treinamento e ajuste se as métricas de validação não estiverem mais melhorando.
Aprimoramentos no Databricks recurso Store
Agora o senhor pode aplicar pesquisas pontuais a tabelas de recurso de séries temporais. Para obter detalhes, consulte Suporte point-in-time usando tabelas de recurso de série temporal.
Databricks Autologging (GA)
O Databricks Autologging agora está disponível de forma geral no Databricks Runtime 10.3 ML. 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.
Veja Databricks Autologging para obter mais informações.
Ambiente do sistema
O ambiente do sistema no Databricks Runtime 10.3 ML difere do Databricks Runtime 10.3 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 11.0
- 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 10.3 ML que diferem daquelas incluídas em Databricks Runtime 10.3.
Nesta secção:
- Biblioteca de primeira linha
- Bibliotecas Python
- R biblioteca
- Java e Scala biblioteca (Scala 2.12 clustering)
Biblioteca de primeira linha
Databricks Runtime 10.3 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 10.3 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 10.3 ML também inclui o seguinte pacote:
- Hyperopt 0.2.7.db1
- sparkdl 2.2.0-db5
- recurso 0.3.7
- automl 1.6.0
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 | 0.2.5 |
Databricks-CLI | 0,16.2 | dbl-tempo | 0.1.2 | 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 | 0.3.4 | informação da distribuição | 0,23 ubuntu 1 |
pontos de entrada | 0,3 | efema | 4.1.3 | 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 | 0,12 |
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 | 0,38,0 | 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 | 1,23,0 | 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 | 0,55,0 |
entorpecido | 1.20.1 | 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 | 5.5.0 |
pmdarima | 1.8.4 | 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 | 2.9.0 | 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 | 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 | 3.2.1 | 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 | 1.8.1 |
tensorflow-cpu | 2.7.0 | estimador de fluxo tensor | 2.7.0 | tensorflow-io-GCS-filesystem | 0.23,1 |
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 | 1.10.1+CPU | visão de tocha | 0,11,2 + cpu | tornado | 6.1 |
tqdm | 4,59,0 | almôndegas | 5.0.5 | transformadores | 4.15.0 |
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 | 1.5.1 | 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 | 0.2.5 |
Databricks-CLI | 0,16.2 | dbl-tempo | 0.1.2 | 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 | 0.3.4 | informação da distribuição | 0,23 ubuntu 1 |
pontos de entrada | 0,3 | efema | 4.1.3 | 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 | 0,12 |
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 | 0,38,0 | 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 | 1,23,0 | 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 | 0,55,0 |
entorpecido | 1.20.1 | 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 | 5.5.0 |
pmdarima | 1.8.4 | 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 | 2.9.0 |
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 | 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 | 3.2.1 |
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 | 1.8.1 | TensorFlow | 2.7.0 |
estimador de fluxo tensor | 2.7.0 | tensorflow-io-GCS-filesystem | 0.23,1 | 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 | 1,10.1+cu111 |
visão de tocha | 0,11,2 +cu111 | tornado | 6.1 | tqdm | 4,59,0 |
almôndegas | 5.0.5 | transformadores | 4.15.0 | 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 | 1.5.1 |
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 10.3.
Java e biblioteca ( 2.12 clustering) Scala Scala
Além de Java e Scala biblioteca em Databricks Runtime 10.3, Databricks Runtime 10.3 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 | 1,23,0 |
org.mlflow | faísca de fluxo | 1,23,0 |
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 | 1,23,0 |
org.mlflow | faísca de fluxo | 1,23,0 |
org.Scala-lang.modules | Scala-java8-compat_2.12 | 0,8.0 |
org.tensorflow | spark-tensorflow-connector_2.12 | 1,15.0 |