Databricks Runtime 9.1 LTS para Aprendizado de Máquina

  • Artigo

A Databricks divulgou esta imagem e declarou-a Suporte de Longo Prazo (LTS) em setembro de 2021.

O Databricks Runtime 9.1 LTS for Machine Learning fornece um ambiente pronto para uso para aprendizado de máquina e ciência de dados com base no Databricks Runtime 9.1 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

AutoML

As melhorias a seguir estão disponíveis no Databricks Runtime 9.1 LTS ML e superior.

O AutoML suporta conjuntos de dados maiores por amostragem

O AutoML agora faz amostras de conjuntos de dados que podem exceder as restrições de memória, permitindo que ele seja executado em conjuntos de dados maiores com menos risco de erros de falta de memória. Para obter detalhes, consulte Amostragem de grandes conjuntos de dados.

O AutoML pré-processa colunas com base no tipo semântico

O AutoML deteta determinadas colunas que têm um tipo semântico diferente do tipo de dados Spark ou pandas. Em seguida, o AutoML converte e aplica etapas de pré-processamento de dados com base no tipo semântico detetado. Especificamente, o AutoML executa as seguintes conversões:

  • As colunas de cadeia de caracteres e inteiros que representam dados de carimbo de data ou hora são convertidas em um tipo de carimbo de data/hora.
  • As colunas de cadeia de caracteres que representam dados numéricos são convertidas em um tipo numérico.

Melhorias nos notebooks gerados pelo AutoML

As etapas de pré-processamento das colunas de carimbo de data e hora agora são incorporadas ao databricks-automl-runtime pacote, simplificando os notebooks gerados pelo treinamento AutoML. databricks-automl-runtimeestá incluído no Databricks Runtime 9.1 LTS ML e superior, e também está disponível no PyPI.

Loja de recursos

As melhorias a seguir estão disponíveis no Databricks Runtime 9.1 LTS ML e superior.

  • Ao criar um TrainingSet, agora você pode definir label=None para dar suporte a aplicativos de aprendizagem não supervisionados.
  • Agora você pode especificar mais de um recurso em um único FeatureLookuparquivo .
  • Agora você pode especificar um caminho personalizado para tabelas de recursos. Use o path parâmetro em create_feature_table(). O padrão é o local do banco de dados.
  • Novos tipos de dados PySpark suportados: ArrayType e ShortType.

Mlflow

As melhorias a seguir estão disponíveis a partir da versão 1.20.2 do Mlflow, que está incluída no Databricks Runtime 9.1 LTS ML.

  • O registro automático para scikit-learn agora registra métricas pós-treinamento sempre que uma API de avaliação scikit-learn, como sklearn.metrics.mean_squared_error, é chamada.
  • O registro automático do PySpark ML agora registra métricas pós-treinamento sempre que uma API de avaliação de modelo, como Evaluator.evaluate(), é chamada.
  • mlflow.*.log_model e mlflow.*.save_model agora tem pip_requirements e extra_pip_requirements argumentos para que você possa especificar diretamente os requisitos pip do modelo para registrar ou salvar.
  • mlflow.*.log_model e agora inferir mlflow.*.save_model automaticamente os requisitos de pip do modelo para registrar ou salvar com base no ambiente de software atual.
  • stdMetrics as entradas agora são registradas como métricas de treinamento durante o registro automático do PySpark CrossValidator.
  • O registro automático do PyTorch Lightning agora suporta execução distribuída.

Databricks Autologging (Visualização pública)

O Databricks Autologging Public Preview foi expandido para novas regiões. O Databricks Autologging é uma solução sem código que fornece rastreamento automático de experimentos para sessões de treinamento de aprendizado de máquina no Azure Databricks. Com o Databricks Autologging, parâmetros de modelo, métricas, arquivos e informações de linhagem são capturados automaticamente quando você treina modelos de uma variedade de bibliotecas populares de aprendizado de máquina. As sessões de treinamento são registradas como MLflow Tracking Runs. Os arquivos de modelo também são rastreados para que você possa registrá-los facilmente no Registro do Modelo MLflow e implantá-los para pontuação em tempo real com o MLflow Model Serving.

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

Principais alterações no ambiente Python do Databricks Runtime ML

Pacotes Python atualizados

  • AutoML 1.1.1 => 1.2.1
  • feature_store 0.3.3 => 0.3.4.1
  • feriados 0.10.5.2 => 0.11.2
  • Keras 2.5.0 => 2.6.0
  • mlflow 1,19,0 => 1,20,2
  • petastorm 0.11.1 => 0.11.2
  • Gráfico 4.14.3 => 5.1.0
  • spark-tensorflow-distribuidor 0.1.0 => 1.0.0
  • sparkdl 2.2.0_db1 => 2.2.0_db3
  • TensorBoard 2.5.0 => 2.6.0
  • tensorflow 2.5.0 => 2.6.0

Pacotes Python adicionados

  • databricks-automl-runtime 0.1.0

Ambiente do sistema

O ambiente do sistema no Databricks Runtime 9.1 LTS ML difere do Databricks Runtime 9.1 LTS da seguinte forma:

Bibliotecas

As seções a seguir listam as bibliotecas incluídas no Databricks Runtime 9.1 LTS ML que diferem daquelas incluídas no Databricks Runtime 9.1 LTS.

Nesta secção:

Bibliotecas de nível superior

O Databricks Runtime 9.1 LTS ML inclui as seguintes bibliotecas de camada superior:

Bibliotecas Python

O Databricks Runtime 9.1 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 9.1 LTS ML também inclui os seguintes pacotes:

  • hiperopta 0.2.5.db2
  • Sparkdl 2.2.0_db3
  • feature_store 0.3.4.1
  • AutoML 1.2.1 |

Bibliotecas Python em clusters de CPU

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 lixívia 3.3.0 boto3 1.16.7
botocore 1.19.7 Gargalo 1.3.2 Ferramentas de cache 4.2.2
certifi 2020.12.5 cffi 1.14.5 chardet 4.0.0
Clang 5.0 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 Quisto 0.29.23
databricks-automl-runtime 0.1.0 databricks-cli 0.14.3 dbus-python 1.2.16
decorador 5.0.6 DeUsedXML 0.7.1 endro 0.3.2
cache de disco 5.2.1 Distlib 0.3.2 distro-info 0,23ubuntu1
pontos de entrada 0.3 Ephem 4.0.0.2 facetas-visão geral 1.0.0
filelock 3.0.12 Flask 1.1.2 flatbuffers 1.12
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 H5PY 3.1.0 Hijri-Conversor 2.2.1
feriados 0.11.2 Horovod 0.22.1 htmlmin 0.1.12
idna 2.10 ImagemHash 4.2.1 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 2.6.0 Pré-processamento de Keras 1.1.2
Kiwisolver 1.3.1 coalas 1.8.1 Coreano-Lunar-Calendário 0.2.1
LightGBM 3.1.1 llvmlite 0.37.0 LunarCalendário 0.0.9
Mako 1.1.3 Markdown 3.3.3 MarkupSafe 1.1.1
matplotlib 3.4.2 faltandonão 0.5.0 Mistune 0.8.4
PEAML 0.17.0 mlflow-magro 1.20.2 multimétodo 1.4
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 0.54.0 numpy 1.19.2
OAuthlib 3.1.0 opt-einsum 3.3.0 embalagem 20.9
pandas 1.2.4 criação de perfis de pandas 3.0.0 PandocFilters 1.4.3
Paramiko 2.7.2 Parso 0.7.0 patsy 0.5.1
petastorm 0.11.2 pexpect 4.8.0 Phik 0.12.0
pickleshare 0.7.5 Travesseiro 8.2.0 pip 21.0.1
enredo 5.1.0 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 pycparser 2,20
Pidântico 1.8.2 Pygments 2.8.1 PyGObject 3.36.0
PyMeeus 0.5.11 PyNaCl 1.3.0 Pyodbc 4.0.30
pyparsing 2.4.7 pirsistent 0.17.3 Pystan 2.19.1.1
python-apt 2.0.0+ubuntu0.20.4.6 python-dateutil 2.8.1 python-editor 1.0.4
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 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 0.39.0 simplejson 3.17.2
seis 1.15.0 segmentação de dados 0.0.7 smmap 3.0.5
spark-tensorflow-distributor 1.0.0 SQLPARSE 0.4.1 ssh-import-id 5.10
statsmodels 0.12.2 tabular 0.8.7 emaranhado em unicode 0.1.0
tenacidade 6.2.0 TensorBoard 2.6.0 Tensorboard-Data-Server 0.6.1
Tensorboard-plugin-wit 1.8.0 TensorFlow-CPU 2.6.0 TensorFlow-Estimador 2.6.0
Termcolor 1.1.0 terminado 0.9.4 caminho de teste 0.4.4
ThreadPoolCtl 2.1.0 tocha 1.9.0+CPU Torchvision 0.10.0+CPU
tornado 6.1 TQDM 4.59.0 traços 5.0.5
extensões de digitação 3.7.4.3 Ujson 4.0.2 Upgrades autônomos 0.1
urllib3 1.25.11 virtualenv 20.4.1 visões 0.7.1
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 1.4.2 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 lixívia 3.3.0 boto3 1.16.7
botocore 1.19.7 Gargalo 1.3.2 Ferramentas de cache 4.2.2
certifi 2020.12.5 cffi 1.14.5 chardet 4.0.0
Clang 5.0 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 Quisto 0.29.23
databricks-automl-runtime 0.1.0 databricks-cli 0.14.3 dbus-python 1.2.16
decorador 5.0.6 DeUsedXML 0.7.1 endro 0.3.2
cache de disco 5.2.1 Distlib 0.3.2 distro-info 0,23ubuntu1
pontos de entrada 0.3 Ephem 4.0.0.2 facetas-visão geral 1.0.0
filelock 3.0.12 Flask 1.1.2 flatbuffers 1.12
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 H5PY 3.1.0 Hijri-Conversor 2.2.1
feriados 0.11.2 Horovod 0.22.1 htmlmin 0.1.12
idna 2.10 ImagemHash 4.2.1 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 2.6.0 Pré-processamento de Keras 1.1.2
Kiwisolver 1.3.1 coalas 1.8.1 Coreano-Lunar-Calendário 0.2.1
LightGBM 3.1.1 llvmlite 0.37.0 LunarCalendário 0.0.9
Mako 1.1.3 Markdown 3.3.3 MarkupSafe 1.1.1
matplotlib 3.4.2 faltandonão 0.5.0 Mistune 0.8.4
PEAML 0.17.0 mlflow-magro 1.20.2 multimétodo 1.4
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 0.54.0 numpy 1.19.2
OAuthlib 3.1.0 opt-einsum 3.3.0 embalagem 20.9
pandas 1.2.4 criação de perfis de pandas 3.0.0 PandocFilters 1.4.3
Paramiko 2.7.2 Parso 0.7.0 patsy 0.5.1
petastorm 0.11.2 pexpect 4.8.0 Phik 0.12.0
pickleshare 0.7.5 Travesseiro 8.2.0 pip 21.0.1
enredo 5.1.0 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 pycparser 2,20 Pidântico 1.8.2
Pygments 2.8.1 PyGObject 3.36.0 PyMeeus 0.5.11
PyNaCl 1.3.0 Pyodbc 4.0.30 pyparsing 2.4.7
pirsistent 0.17.3 Pystan 2.19.1.1 python-apt 2.0.0+ubuntu0.20.4.6
python-dateutil 2.8.1 python-editor 1.0.4 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
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 0.39.0 simplejson 3.17.2 seis 1.15.0
segmentação de dados 0.0.7 smmap 3.0.5 spark-tensorflow-distributor 1.0.0
SQLPARSE 0.4.1 ssh-import-id 5.10 statsmodels 0.12.2
tabular 0.8.7 emaranhado em unicode 0.1.0 tenacidade 6.2.0
TensorBoard 2.6.0 Tensorboard-Data-Server 0.6.1 Tensorboard-plugin-wit 1.8.0
TensorFlow 2.6.0 TensorFlow-Estimador 2.6.0 Termcolor 1.1.0
terminado 0.9.4 caminho de teste 0.4.4 ThreadPoolCtl 2.1.0
tocha 1.9.0+CU111 Torchvision 0.10.0+CU111 tornado 6.1
TQDM 4.59.0 traços 5.0.5 extensões de digitação 3.7.4.3
Ujson 4.0.2 Upgrades autônomos 0.1 urllib3 1.25.11
virtualenv 20.4.1 visões 0.7.1 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 1.4.2 zipp | 3.4.1

Pacotes Spark contendo módulos Python

Pacote Spark Módulo Python Versão
quadros gráficos quadros gráficos 0.8.1-DB3-Faísca3.1

Bibliotecas R

As bibliotecas R são idênticas às bibliotecas R no Databricks Runtime 9.1 LTS.

Bibliotecas Java e Scala (cluster Scala 2.12)

Além das bibliotecas Java e Scala no Databricks Runtime 9.1 LTS, o Databricks Runtime 9.1 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 0.17.0-4882dc3
ml.dmlc xgboost4j-spark_2,12 1.4.1
ml.dmlc xgboost4j_2.12 1.4.1
org.graphframes graphframes_2.12 0.8.1-db2-faísca3.1
org.mlflow mlflow-cliente 1.20.2
org.mlflow MLFLOW-Faísca 1.20.2
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 0.17.0-4882dc3
ml.dmlc xgboost4j-gpu_2,12 1.4.1
ml.dmlc xgboost4j-faísca-gpu_2.12 1.4.1
org.graphframes graphframes_2.12 0.8.1-db2-faísca3.1
org.mlflow mlflow-cliente 1.20.2
org.mlflow MLFLOW-Faísca 1.20.2
org.scala-lang.modules scala-java8-compat_2.12 0.8.0
org.tensorflow spark-tensorflow-connector_2.12 1.15.0