Share via

Databricks Runtime 4.1 ML (nieobsługiwane)

  • Artykuł

Środowisko Databricks Runtime 4.1 ML zapewnia gotowe do użycia środowisko do uczenia maszynowego i nauki o danych. Zawiera wiele popularnych bibliotek, w tym TensorFlow, Keras i XGBoost. Obsługuje również rozproszone trenowanie Biblioteki TensorFlow przy użyciu struktury Horovod.

Uwaga

Ta wersja została wycofana 17 stycznia 2019 r. Zalecamy użycie nowszej wersji środowiska Databricks Runtime ML w zależności od wersji biblioteki, których chcesz użyć.

Aby uzyskać więcej informacji, w tym instrukcje dotyczące tworzenia klastra uczenia maszynowego usługi Databricks, zobacz AI and Machine Edukacja on Databricks (Sztuczna inteligencja i maszyna Edukacja w usłudze Databricks).

Uwaga

Wersje środowiska Databricks Runtime ML pobierają wszystkie aktualizacje konserwacji do podstawowej wersji środowiska Databricks Runtime. Aby uzyskać listę wszystkich aktualizacji konserwacji, zobacz Aktualizacje konserwacji środowiska Databricks Runtime (zarchiwizowane).

Biblioteki

Środowisko Databricks Runtime 4.1 ML jest oparte na środowisku Databricks Runtime 4.1. Aby uzyskać informacje o nowościach w środowisku Databricks Runtime 4.1, zobacz informacje o wersji środowiska Databricks Runtime 4.1 (nieobsługiwane ). Oprócz nowych funkcji w środowisku Databricks Runtime 4.1 środowisko Databricks Runtime 4.1 ML zawiera następujące biblioteki do obsługi uczenia maszynowego. Niektóre z nich są również uwzględnione w podstawowym środowisku Databricks Runtime 4.1 i są one oznaczone jako takie.

Kategoria Biblioteki
Rozproszone Edukacja głębokie Trenowanie rozproszone przy użyciu platform Horovod i Spark:

* HorovodEstimator
* horovod 0.12.1
* openmpi 3.0.0
* paramiko 2.4.1
* cloudpickle 0.5.2

Przewidywanie rozproszonego biblioteki TensorFlow i Keras:

* Wersja wstępna uczenia głębokiego spark-1.0
* tensorframes 0.3.0
Uczenie głębokie [Keras]:

* keras 2.1.5
* h5py 2.7.1

TensorFlow:

* (klastry procesora) tensorflow 1.7.1
* (klastry gpu) tensorflow-gpu 1.7.1

Biblioteki procesora GPU :

* CUDA 9.0 (zainstalowane również w podstawowym środowisku Databricks Runtime)
* cuDNN 7.0 (również zainstalowany w podstawowym środowisku Databricks Runtime)
* NCCL 2.0.5-3
XGBoost * XGBoost4j 0.8-spark2.3-s_2.11
Inne biblioteki uczenia maszynowego * numpy 1.14.2 (również zainstalowany w podstawowym środowisku Databricks Runtime; wersja może się różnić)
* scikit-learn 0.18.1 (również zainstalowany w podstawowym środowisku Databricks Runtime)
* scipy (zainstalowane również w podstawowym środowisku Databricks Runtime)