Nuta
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować się zalogować lub zmienić katalog.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Ważne
Ta dokumentacja została wycofana i może nie zostać zaktualizowana. Produkty, usługi lub technologie wymienione w tej zawartości nie są już obsługiwane. Zobacz Sztuczna inteligencja i uczenie maszynowe w usłudze Databricks.
Ta strona zawiera porady dotyczące migracji z open-source'owego pakietu Deep Learning Pipelines, który był uwzględniony w środowisku Databricks Runtime 6.6 ML i wcześniejszych wersjach. Części biblioteki Potoków Uczenia Głębokiego sparkdl zostały usunięte w środowisku Databricks Runtime 7.0 ML (EoS), w szczególności Transformery i Estymatory używane w potokach Apache Spark ML.
Ta strona nie jest zasobem do ogólnych informacji na temat potoków uczenia głębokiego w usłudze Azure Databricks.
Odczytywanie obrazów
Pakiet Potoki uczenia głębokiego zawiera czytnik obrazówsparkdl.image.imageIO, który został usunięty w środowisku Databricks Runtime 7.0 ML (EoS).
Zamiast tego użyj źródła danych obrazu lub źródła danych pliku binarnego z platformy Apache Spark. Wiele przykładowych notesów w temacie Ładowanie danych na potrzeby uczenia maszynowego i uczenia głębokiego pokazuje przypadki użycia tych dwóch źródeł danych.
Uczenie transferowe
Pakiet Deep Learning Pipelines zawiera transformator sparkdl.DeepImageFeaturizer Spark ML w celu ułatwienia uczenia transferowego za pomocą modeli uczenia głębokiego.
DeepImageFeaturizerzostał usunięty w wersji Databricks Runtime 7.0 ML (EoS).
Zamiast tego należy używać pandas UDF do wykonywania featuryzacji z modelami uczenia głębokiego. Pandas UDF, i ich nowszy wariant Scalar Iterator pandas UDF, oferują bardziej elastyczne interfejsy API, obsługują więcej bibliotek uczenia głębokiego i zapewniają lepszą wydajność.
Zobacz Cechowanie do uczenia transferowego dla przykładów zastosowania uczenia transferowego z użyciem pandas UDF.
Dostrajanie hiperparametrów rozproszonych
Pakiet Deep Learning Pipelines zawiera estymator Spark ML sparkdl.KerasImageFileEstimator do dostrajania hiperparametrów przy użyciu narzędzi dostrajania Spark ML.
KerasImageFileEstimatorzostał usunięty w wersji Databricks Runtime 7.0 ML (EoS).
Zamiast tego użyj funkcji Hyperopt do dystrybucji dostrajania hiperparametrów dla modeli uczenia głębokiego.
Wnioskowanie rozproszone
Pakiet Deep Learning Pipelines zawiera kilka Transformerów Spark ML do dystrybucji inferencji, z których wszystkie zostały usunięte w środowisku Databricks Runtime 7.0 ML (EoS):
DeepImagePredictorTFImageTransformerKerasImageFileTransformerTFTransformerKerasTransformer
Zamiast tego użyj pandas UDFs do uruchamiania wnioskowania na ramach danych Spark, zgodnie z przykładami w Wdrażaniu modeli na potrzeby wsadowego wnioskowania i przewidywania.