Databricks Runtime 10.4 LTS para Machine Learning (EoS)

O Databricks Runtime 10.4 LTS para Machine Learning fornece um ambiente pronto para uso para machine learning e ciência de dados com base no Databricks Runtime 10.4 LTS (EoS). O Databricks Runtime ML contém muitas bibliotecas de machine learning populares, incluindo o TensorFlow, o PyTorch e o XGBoost. O Databricks Runtime ML inclui o AutoML, uma ferramenta para treinamento automático de pipelines de aprendizado de máquina. O Databricks Runtime ML também dá suporte ao treinamento de aprendizado profundo distribuído usando o Horovod.

Para obter mais informações, incluindo instruções para criar um cluster de ML do Databricks Runtime, confira IA e Machine Learning no Databricks.

Novos recursos e melhorias

O Databricks Runtime 10.4 LTS ML é criado com base no Databricks Runtime 10.4 LTS. Para obter informações sobre as novidades no Databricks Runtime 10.4 LTS, incluindo Apache Spark MLlib e SparkR, consulte as notas de versão do Databricks Runtime 10.4 LTS (EoS ).

Aprimoramentos no AutoML

Os aprimoramentos a seguir foram feitos no AutoML.

O AutoML está em disponibilidade geral

A partir do Databricks Runtime 10.4 LTS ML, o AutoML está disponível em geral.

Imputação de valores ausentes

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. Consulte imputação de valores ausentes para obter detalhes.

Seleção de coluna 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 coluna.

Novo tipo de dados

O AutoML agora dá suporte a tipos de matriz numérica.

Localização personalizada para cadernos gerados e experimentos

Agora você pode especificar um local no workspace em que o AutoML deve salvar blocos de anotações e experimentos gerados. Use o parâmetro experiment_dir. Consulte Referência da API do AutoML Python.

Aprimoramentos no Databricks Feature Store

Foram feitos os seguintes aprimoramentos 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 maneira:

• DBUtils: O Databricks Runtime ML não inclui Utilitário de biblioteca (dbutils.library) (herdado). Em vez disso, utilize os comandos %pip. Veja Bibliotecas do Python no escopo do notebook.
• 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

Libraries

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 seção:

• Bibliotecas de camada superior
• Bibliotecas do Python
• Bibliotecas do R
• Bibliotecas Java e Scala (cluster Scala 2.12)

Bibliotecas de camada superior

O Databricks Runtime 10.4 LTS ML inclui as seguintes bibliotecas de camada superior:

• GraphFrames
• Horovod e HorovodRunner
• MLflow
• PyTorch
• spark-tensorflow-connector
• TensorFlow
• TensorBoard

Bibliotecas do Python

O Databricks Runtime 10.4 LTS ML usa o Virtualenv para gerenciamento de pacotes python e inclui muitos pacotes ML populares.

Além dos pacotes especificados nas seções a seguir, o Databricks Runtime 10.4 LTS ML também inclui os seguintes pacotes:

• hyperopt 0.2.7.db1
• sparkdl 2.2.0-db5
• feature_store 0.3.8
• automl 1.7.2

Bibliotecas do Python em clusters de CPU

Para reproduzir o ambiente do Databricks Runtime ML Python em seu ambiente virtual do Python local, baixe o arquivo requirements-10.4.txt e execute pip install -r requirements-10.4.txt. Esse comando instala todas as bibliotecas de software livre que o Databricks Runtime ML usa, mas não instala bibliotecas desenvolvidas pelo Azure Databricks, como databricks-automl, databricks-feature-store, ou a bifurcação do Databricks de hyperopt.

Bibliotecas do Python em clusters de GPU

Pacotes do Spark que contêm módulos do Python

Bibliotecas de R

As bibliotecas do R são idênticas às Bibliotecas do 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

Clusters de GPU