Databricks Runtime 10.4 LTS para Aprendizado de Máquina
O Databricks Runtime 10.4 LTS for Machine Learning fornece um ambiente pronto para uso para aprendizado de máquina e ciência de dados baseado no Databricks Runtime 10.4 LTS. O Databricks Runtime ML contém muitas bibliotecas populares de aprendizado de máquina, incluindo TensorFlow, PyTorch e XGBoost. O Databricks Runtime ML inclui o AutoML, uma ferramenta para treinar automaticamente pipelines de aprendizado de máquina. O Databricks Runtime ML também suporta treinamento distribuído de aprendizado profundo usando o Horovod.
Nota
LTS significa que esta versão está sob suporte a longo prazo. Consulte Ciclo de vida da versão do Databricks Runtime LTS.
Para obter mais informações, incluindo instruções para criar um cluster de ML do Databricks Runtime, consulte IA e Machine Learning no Databricks.
Novos recursos e melhorias
O Databricks Runtime 10.4 LTS ML é construído sobre o Databricks Runtime 10.4 LTS. Para obter informações sobre o que há de novo no Databricks Runtime 10.4 LTS, incluindo Apache Spark MLlib e SparkR, consulte as notas de versão do Databricks Runtime 10.4 LTS .
Aprimoramentos no Databricks AutoML
Os seguintes aprimoramentos foram feitos no Databricks AutoML.
Databricks AutoML está disponível em geral
Começando com o Databricks Runtime 10.4 LTS ML, o Databricks AutoML está geralmente disponível.
Imputação de valores em falta
Agora você pode especificar como os valores nulos são imputados. Por padrão, o AutoML seleciona um método de imputação com base no tipo de coluna e no conteúdo. Ver Imputação de valores em falta.
Seleção de colunas da interface do usuário
Para problemas de classificação e regressão, agora você pode usar a interface do usuário, além da API, para especificar colunas que o AutoML deve ignorar durante seus cálculos. Consulte Seleção de colunas para obter detalhes.
Novo tipo de dados
O AutoML agora suporta tipos de matrizes numéricas.
Localização personalizada dos blocos de notas gerados e da experiência
Agora você pode especificar um local no espaço de trabalho onde o AutoML deve salvar os blocos de anotações e experimentos gerados. Use o experiment_dir parâmetro. Consulte Parâmetros de classificação e regressão.
Aprimoramentos no Databricks Feature Store
Os seguintes aprimoramentos foram feitos no Databricks Feature Store.
- Agora você pode registrar uma tabela Delta existente como uma tabela de recursos.
Ambiente do sistema
O ambiente do sistema no Databricks Runtime 10.4 LTS ML difere do Databricks Runtime 10.4 LTS da seguinte forma:
- DBUtils: Databricks Runtime ML não inclui o utilitário Biblioteca (dbutils.library) (legado).
Em vez disso, use
%pipcomandos. Veja Bibliotecas em Python com âmbito de bloco de notas. - Para clusters de GPU, o Databricks Runtime ML inclui as seguintes bibliotecas de GPU NVIDIA:
- CUDA 11,0
- cuDNN 8.0.5.39
- NCCL 2.10.3
- TensorRT 7.2.2
Bibliotecas
As seções a seguir listam as bibliotecas incluídas no Databricks Runtime 10.4 LTS ML que diferem daquelas incluídas no Databricks Runtime 10.4 LTS.
Nesta secção:
- Bibliotecas de nível superior
- Bibliotecas Python
- Bibliotecas R
- Bibliotecas Java e Scala (cluster Scala 2.12)
Bibliotecas de nível superior
O Databricks Runtime 10.4 LTS ML inclui as seguintes bibliotecas de camada superior:
- GraphFrames
- Horovod e HorovodRunner
- MLflow
- PyTorch
- conector spark-tensorflow;
- TensorFlow
- TensorBoard
Bibliotecas Python
O Databricks Runtime 10.4 LTS ML usa o Virtualenv para gerenciamento de pacotes Python e inclui muitos pacotes de ML populares.
Além dos pacotes especificados nas seções a seguir, o Databricks Runtime 10.4 LTS ML também inclui os seguintes pacotes:
- hiperopt 0.2.7.db1
- Faísca 2.2.0-DB5
- feature_store 0.3.8
- AutoML 1.7.2 |
Bibliotecas Python em clusters de CPU
Para reproduzir o ambiente Databricks Runtime ML Python em seu ambiente virtual Python local, baixe o arquivo requirements-10.4.txt e execute pip install -r requirements-10.4.txt. Este comando instala todas as bibliotecas de código aberto que o Databricks Runtime ML usa, mas não instala as bibliotecas desenvolvidas pelo Azure Databricks, como databricks-automl, databricks-feature-storeou a bifurcação Databricks do hyperopt.
| Biblioteca | Versão | Biblioteca | Versão | Biblioteca | Versão |
|---|---|---|---|---|---|
| ABSL-PY | 0.11.0 | Antergos Linux | 2015.10 (Laminação ISO) | Appdirs | 1.4.4 |
| Argônio2-CFFI | 20.1.0 | Astor | 0.8.1 | Astunparse | 1.6.3 |
| gerador assíncrono | 1.10 | ATRs | 20.3.0 | Backcall | 0.2.0 |
| Cripta | 3.2.0 | Bidico | 0.21.4 | lixívia | 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 |
| cffi | 1.14.5 | chardet | 4.0.0 | clicar | 7.1.2 |
| Cloudpickle | 1.6.0 | CMDSTANPY | 0.9.68 | ConfigParser | 5.0.1 |
| convertdate | 2.3.2 | criptografia | 3.4.7 | cycler | 0.10.0 |
| cymem | 2.0.5 | Quisto | 0.29.23 | databricks-automl-runtime | 0.2.6 |
| databricks-cli | 0.16.3 | DBL-TEMPO | 0.1.2 | dbus-python | 1.2.16 |
| decorador | 5.0.6 | DeUsedXML | 0.7.1 | endro | 0.3.2 |
| cache de disco | 5.2.1 | Distlib | 0.3.4 | distro-info | 0,23ubuntu1 |
| pontos de entrada | 0.3 | Ephem | 4.1.3 | facetas-visão geral | 1.0.0 |
| texto rápido | 0.9.2 | filelock | 3.0.12 | Flask | 1.1.2 |
| flatbuffers | 2.0 | FSspec | 0.9.0 | Futuro | 0.18.2 |
| gast | 0.4.0 | GitDB | 4.0.7 | GitPython | 3.1.12 |
| Google-Auth | 1.22.1 | google-auth-oauthlib | 0.4.2 | google-massas | 0.2.0 |
| Grpcio | 1.39.0 | Gunicorn | 20.0.4 | GVIZ-API | 1.10.0 |
| H5PY | 3.1.0 | Hijri-Conversor | 2.2.3 | feriados | 0,12 |
| Horovod | 0.23.0 | htmlmin | 0.1.12 | abraçar-face-hub | 0.1.2 |
| idna | 2.10 | ImagemHash | 4.2.1 | aprendizagem desequilibrada | 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 | Jinja2 | 2.11.3 |
| jmespath | 0.10.0 | Joblib | 1.0.1 | Joblibspark | 0.3.0 |
| jsonschema | 3.2.0 | jupyter-cliente | 6.1.12 | Jupyter-core | 4.7.1 |
| Jupyterlab-Pygments | 0.1.2 | jupyterlab-widgets | 1.0.0 | keras | 2.8.0 |
| Pré-processamento de Keras | 1.1.2 | Kiwisolver | 1.3.1 | coalas | 1.8.2 |
| Coreano-Lunar-Calendário | 0.2.1 | códigos de lang | 3.3.0 | libclang | 13.0.0 |
| LightGBM | 3.3.2 | llvmlite | 0.38.0 | LunarCalendário | 0.0.9 |
| Mako | 1.1.3 | Markdown | 3.3.3 | MarkupSafe | 2.0.1 |
| matplotlib | 3.4.2 | faltandonão | 0.5.1 | Mistune | 0.8.4 |
| PEAML | 0.18.1 | mlflow-magro | 1.24.0 | multimétodo | 1.7 |
| Murmurhash | 1.0.5 | nbclient | 0.5.3 | nbconvert | 6.0.7 |
| nbformat | 5.1.3 | Ninho-Asyncio | 1.5.1 | redex | 2.5 |
| NLTK | 3.6.1 | bloco de notas | 6.3.0 | numba | 0.55.1 |
| numpy | 1.20.1 | OAuthlib | 3.1.0 | opt-einsum | 3.3.0 |
| embalagem | 21,3 | pandas | 1.2.4 | criação de perfis de pandas | 3.1.0 |
| PandocFilters | 1.4.3 | Paramiko | 2.7.2 | Parso | 0.7.0 |
| Patia | 0.6.0 | patsy | 0.5.1 | petastorm | 0.11.4 |
| pexpect | 4.8.0 | Phik | 0.12.0 | pickleshare | 0.7.5 |
| Travesseiro | 8.2.0 | pip | 21.0.1 | enredo | 5.5.0 |
| PMDARIMA | 1.8.4 | Preshed | 3.0.5 | Prometheus-cliente | 0.10.1 |
| prompt-toolkit | 3.0.17 | profeta | 1.0.1 | protobuf | 3.17.2 |
| PSUTIL | 5.8.0 | psycopg2 | 2.8.5 | ptyprocess | 0.7.0 |
| pyarrow | 4.0.0 | pyasn1 | 0.4.8 | pyasn1-módulos | 0.2.8 |
| Pybind11 | 2.9.1 | pycparser | 2,20 | Pidântico | 1.8.2 |
| Pygments | 2.8.1 | PyGObject | 3.36.0 | PyMeeus | 0.5.11 |
| PyNaCl | 1.4.0 | Pyodbc | 4.0.30 | pyparsing | 2.4.7 |
| pirsistent | 0.17.3 | Pystan | 2.19.1.1 | python-apt | 2.0.0+ubuntu0.20.4.7 |
| python-dateutil | 2.8.1 | python-editor | 1.0.4 | Python-Engineio | 4.3.0 |
| python-socketio | 5.4.1 | pytz | 2020.5 | PyWavelets | 1.1.1 |
| PyYAML | 5.4.1 | Pyzmq | 20.0.0 | regex | 2021.4.4 |
| pedidos | 2.25.1 | pedidos-oauthlib | 1.3.0 | pedidos-unixsocket | 0.2.0 |
| RSA | 4.7.2 | s3transferir | 0.3.7 | sacremoses | 0.0.46 |
| scikit-learn | 0.24.1 | scipy | 1.6.2 | seaborn | 0.11.1 |
| Enviar2Lixo | 1.5.0 | setuptools | 52.0.0 | setuptools-git | 1.2 |
| PASP | 0.40.0 | simplejson | 3.17.2 | seis | 1.15.0 |
| segmentação de dados | 0.0.7 | inteligente-aberto | 5.2.0 | smmap | 3.0.5 |
| espaçado | 3.2.1 | Spacy-legado | 3.0.8 | spacy-loggers | 1.0.1 |
| spark-tensorflow-distributor | 1.0.0 | SQLPARSE | 0.4.1 | SRSLY | 2.4.1 |
| ssh-import-id | 5.10 | statsmodels | 0.12.2 | tabular | 0.8.7 |
| emaranhado em unicode | 0.1.0 | tenacidade | 6.2.0 | TensorBoard | 2.8.0 |
| Tensorboard-Data-Server | 0.6.1 | Tensorboard-plugin-profile | 2.5.0 | Tensorboard-plugin-wit | 1.8.1 |
| TensorFlow-CPU | 2.8.0 | TensorFlow-Estimador | 2.8.0 | TensorFlow-IO-GCS-FileSystem | 0.24.0 |
| Termcolor | 1.1.0 | terminado | 0.9.4 | caminho de teste | 0.4.4 |
| TF-Estimador-Noturno | 2.8.0.dev2021122109 | fino | 8.0.12 | ThreadPoolCtl | 2.1.0 |
| tokenizadores | 0.10.3 | tocha | 1.10.2+CPU | Torchvision | 0.11.3+CPU |
| tornado | 6.1 | TQDM | 4.59.0 | traços | 5.0.5 |
| transformadores | 4.16.2 | datilógrafo | 0.3.2 | extensões de digitação | 3.7.4.3 |
| Ujson | 4.0.2 | Upgrades autônomos | 0.1 | urllib3 | 1.25.11 |
| virtualenv | 20.4.1 | visões | 0.7.4 | Wasabi | 0.8.2 |
| largura de wc | 0.2.5 | WebEncodings | 0.5.1 | Websocket-cliente | 0.57.0 |
| Werkzeug | 1.0.1 | roda | 0.36.2 | widgetsnbextension | 3.5.1 |
| embrulhado | 1.12.1 | xgboost | 1.5.2 | zipp | | 3.4.1 |
Bibliotecas Python em clusters GPU
| Biblioteca | Versão | Biblioteca | Versão | Biblioteca | Versão |
|---|---|---|---|---|---|
| ABSL-PY | 0.11.0 | Antergos Linux | 2015.10 (Laminação ISO) | Appdirs | 1.4.4 |
| Argônio2-CFFI | 20.1.0 | Astor | 0.8.1 | Astunparse | 1.6.3 |
| gerador assíncrono | 1.10 | ATRs | 20.3.0 | Backcall | 0.2.0 |
| Cripta | 3.2.0 | Bidico | 0.21.4 | lixívia | 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 |
| cffi | 1.14.5 | chardet | 4.0.0 | clicar | 7.1.2 |
| Cloudpickle | 1.6.0 | CMDSTANPY | 0.9.68 | ConfigParser | 5.0.1 |
| convertdate | 2.3.2 | criptografia | 3.4.7 | cycler | 0.10.0 |
| cymem | 2.0.5 | Quisto | 0.29.23 | databricks-automl-runtime | 0.2.6 |
| databricks-cli | 0.16.3 | DBL-TEMPO | 0.1.2 | dbus-python | 1.2.16 |
| decorador | 5.0.6 | DeUsedXML | 0.7.1 | endro | 0.3.2 |
| cache de disco | 5.2.1 | Distlib | 0.3.4 | distro-info | 0,23ubuntu1 |
| pontos de entrada | 0.3 | Ephem | 4.1.3 | facetas-visão geral | 1.0.0 |
| texto rápido | 0.9.2 | filelock | 3.0.12 | Flask | 1.1.2 |
| flatbuffers | 2.0 | FSspec | 0.9.0 | Futuro | 0.18.2 |
| gast | 0.4.0 | GitDB | 4.0.7 | GitPython | 3.1.12 |
| Google-Auth | 1.22.1 | google-auth-oauthlib | 0.4.2 | google-massas | 0.2.0 |
| Grpcio | 1.39.0 | Gunicorn | 20.0.4 | GVIZ-API | 1.10.0 |
| H5PY | 3.1.0 | Hijri-Conversor | 2.2.3 | feriados | 0,12 |
| Horovod | 0.23.0 | htmlmin | 0.1.12 | abraçar-face-hub | 0.1.2 |
| idna | 2.10 | ImagemHash | 4.2.1 | aprendizagem desequilibrada | 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 | Jinja2 | 2.11.3 |
| jmespath | 0.10.0 | Joblib | 1.0.1 | Joblibspark | 0.3.0 |
| jsonschema | 3.2.0 | jupyter-cliente | 6.1.12 | Jupyter-core | 4.7.1 |
| Jupyterlab-Pygments | 0.1.2 | jupyterlab-widgets | 1.0.0 | keras | 2.8.0 |
| Pré-processamento de Keras | 1.1.2 | Kiwisolver | 1.3.1 | coalas | 1.8.2 |
| Coreano-Lunar-Calendário | 0.2.1 | códigos de lang | 3.3.0 | libclang | 13.0.0 |
| LightGBM | 3.3.2 | llvmlite | 0.38.0 | LunarCalendário | 0.0.9 |
| Mako | 1.1.3 | Markdown | 3.3.3 | MarkupSafe | 2.0.1 |
| matplotlib | 3.4.2 | faltandonão | 0.5.1 | Mistune | 0.8.4 |
| PEAML | 0.18.1 | mlflow-magro | 1.24.0 | multimétodo | 1.7 |
| Murmurhash | 1.0.5 | nbclient | 0.5.3 | nbconvert | 6.0.7 |
| nbformat | 5.1.3 | Ninho-Asyncio | 1.5.1 | redex | 2.5 |
| NLTK | 3.6.1 | bloco de notas | 6.3.0 | numba | 0.55.1 |
| numpy | 1.20.1 | OAuthlib | 3.1.0 | opt-einsum | 3.3.0 |
| embalagem | 21,3 | pandas | 1.2.4 | criação de perfis de pandas | 3.1.0 |
| PandocFilters | 1.4.3 | Paramiko | 2.7.2 | Parso | 0.7.0 |
| Patia | 0.6.0 | patsy | 0.5.1 | petastorm | 0.11.4 |
| pexpect | 4.8.0 | Phik | 0.12.0 | pickleshare | 0.7.5 |
| Travesseiro | 8.2.0 | pip | 21.0.1 | enredo | 5.5.0 |
| PMDARIMA | 1.8.4 | Preshed | 3.0.5 | prompt-toolkit | 3.0.17 |
| profeta | 1.0.1 | protobuf | 3.17.2 | PSUTIL | 5.8.0 |
| psycopg2 | 2.8.5 | ptyprocess | 0.7.0 | pyarrow | 4.0.0 |
| pyasn1 | 0.4.8 | pyasn1-módulos | 0.2.8 | Pybind11 | 2.9.1 |
| pycparser | 2,20 | Pidântico | 1.8.2 | Pygments | 2.8.1 |
| PyGObject | 3.36.0 | PyMeeus | 0.5.11 | PyNaCl | 1.4.0 |
| Pyodbc | 4.0.30 | pyparsing | 2.4.7 | pirsistent | 0.17.3 |
| Pystan | 2.19.1.1 | python-apt | 2.0.0+ubuntu0.20.4.7 | python-dateutil | 2.8.1 |
| python-editor | 1.0.4 | Python-Engineio | 4.3.0 | python-socketio | 5.4.1 |
| pytz | 2020.5 | PyWavelets | 1.1.1 | PyYAML | 5.4.1 |
| Pyzmq | 20.0.0 | regex | 2021.4.4 | pedidos | 2.25.1 |
| pedidos-oauthlib | 1.3.0 | pedidos-unixsocket | 0.2.0 | RSA | 4.7.2 |
| s3transferir | 0.3.7 | sacremoses | 0.0.46 | scikit-learn | 0.24.1 |
| scipy | 1.6.2 | seaborn | 0.11.1 | Enviar2Lixo | 1.5.0 |
| setuptools | 52.0.0 | setuptools-git | 1.2 | PASP | 0.40.0 |
| simplejson | 3.17.2 | seis | 1.15.0 | segmentação de dados | 0.0.7 |
| inteligente-aberto | 5.2.0 | smmap | 3.0.5 | espaçado | 3.2.1 |
| Spacy-legado | 3.0.8 | spacy-loggers | 1.0.1 | spark-tensorflow-distributor | 1.0.0 |
| SQLPARSE | 0.4.1 | SRSLY | 2.4.1 | ssh-import-id | 5.10 |
| statsmodels | 0.12.2 | tabular | 0.8.7 | emaranhado em unicode | 0.1.0 |
| tenacidade | 6.2.0 | TensorBoard | 2.8.0 | Tensorboard-Data-Server | 0.6.1 |
| Tensorboard-plugin-profile | 2.5.0 | Tensorboard-plugin-wit | 1.8.1 | TensorFlow | 2.8.0 |
| TensorFlow-Estimador | 2.8.0 | TensorFlow-IO-GCS-FileSystem | 0.24.0 | Termcolor | 1.1.0 |
| terminado | 0.9.4 | caminho de teste | 0.4.4 | TF-Estimador-Noturno | 2.8.0.dev2021122109 |
| fino | 8.0.12 | ThreadPoolCtl | 2.1.0 | tokenizadores | 0.10.3 |
| tocha | 1.10.2+CU111 | Torchvision | 0.11.3+CU111 | tornado | 6.1 |
| TQDM | 4.59.0 | traços | 5.0.5 | transformadores | 4.16.2 |
| datilógrafo | 0.3.2 | extensões de digitação | 3.7.4.3 | Ujson | 4.0.2 |
| Upgrades autônomos | 0.1 | urllib3 | 1.25.11 | virtualenv | 20.4.1 |
| visões | 0.7.4 | Wasabi | 0.8.2 | largura de wc | 0.2.5 |
| WebEncodings | 0.5.1 | Websocket-cliente | 0.57.0 | Werkzeug | 1.0.1 |
| roda | 0.36.2 | widgetsnbextension | 3.5.1 | embrulhado | 1.12.1 |
| xgboost | 1.5.2 | zipp | | 3.4.1 |
Pacotes Spark contendo módulos Python
| Pacote Spark | Módulo Python | Versão |
|---|---|---|
| quadros gráficos | quadros gráficos | 0.8.2-DB1-Faísca3.2 |
Bibliotecas R
As bibliotecas R são idênticas às bibliotecas R no Databricks Runtime 10.4 LTS.
Bibliotecas Java e Scala (cluster Scala 2.12)
Além das bibliotecas Java e Scala no Databricks Runtime 10.4 LTS, o Databricks Runtime 10.4 LTS ML contém os seguintes JARs:
Clusters de CPU
| ID do Grupo | ID do Artefacto | Versão |
|---|---|---|
| com.typesafe.akka | AKKA-actor_2,12 | 2.5.23 |
| ml.combust.mleap | mleap-databricks-runtime_2.12 | 0.18.1-23EB1EF |
| ml.dmlc | xgboost4j-spark_2,12 | 1.5.2 |
| ml.dmlc | xgboost4j_2.12 | 1.5.2 |
| org.graphframes | graphframes_2.12 | 0.8.2-DB1-Faísca3.2 |
| org.mlflow | mlflow-cliente | 1.24.0 |
| org.mlflow | MLFLOW-Faísca | 1.24.0 |
| org.scala-lang.modules | scala-java8-compat_2.12 | 0.8.0 |
| org.tensorflow | spark-tensorflow-connector_2.12 | 1.15.0 |
Clusters GPU
| ID do Grupo | ID do Artefacto | Versão |
|---|---|---|
| com.typesafe.akka | AKKA-actor_2,12 | 2.5.23 |
| ml.combust.mleap | mleap-databricks-runtime_2.12 | 0.18.1-23EB1EF |
| ml.dmlc | xgboost4j-spark_2,12 | 1.5.2 |
| ml.dmlc | xgboost4j_2.12 | 1.5.2 |
| org.graphframes | graphframes_2.12 | 0.8.2-DB1-Faísca3.2 |
| org.mlflow | mlflow-cliente | 1.24.0 |
| org.mlflow | MLFLOW-Faísca | 1.24.0 |
| org.scala-lang.modules | scala-java8-compat_2.12 | 0.8.0 |
| org.tensorflow | spark-tensorflow-connector_2.12 | 1.15.0 |