Ambiente GPU sem servidor versão 4 (beta)

Este artigo descreve as informações de ambiente do sistema para o ambiente GPU sem servidor versão 4.

Para garantir a compatibilidade do aplicativo, as cargas de trabalho de GPU sem servidor usam uma API versionada, conhecida como versão de ambiente, que permanece compatível com versões mais recentes do servidor.

Pode selecionar a versão do ambiente usando o painel lateral do Ambiente nos seus notebooks sem servidor. Consulte Configurar computação de GPU sem servidor.

Novos recursos e melhorias

O ambiente GPU sem servidor 4 é construído sobre o ambiente sem servidor 4 (CPU). Veja o que há de novo no ambiente sem servidor 4 (CPU). Inclui dois ambientes diferentes:

• Ambiente base predefinido: um ambiente mínimo com API cliente estável.
• Ambiente de IA Databricks: um ambiente com pacotes comuns de runtime e pacotes específicos para aprendizagem automática em GPUs.

Atualizações da API

11 de dezembro de 2025

API Python de GPU serverless atualizada para 0.5.9

A API Serverless GPU Python 0.5.9 inclui as seguintes atualizações da API:

• Correções de bugs:

  • Corrigido um bug em que o portátil não mostrava o estado correto da carga de trabalho.
  • Corrigido um erro de registo com um argumento de palavra-chave inesperado.

19 de novembro de 2025

API Python para GPU serverless atualizada para 0.5.8

A API Python 0.5.8 para GPU Serverless inclui as seguintes atualizações da API:

• Correções de bugs:

  • Corrigiu um problema em que interromper a célula do portátil não parava o trabalho remoto.
  • Corrigido uma condição de corrida no código de sincronização que causava esta mensagem de erro: torch.distributed.DistBackendError: [1] is setting up NCCL communicator and retrieving ncclUniqueId from [0] via c10d key-value store by key '0', but store->get('0') got error: failed to recv, got 0 bytes.
  • Corrigiu um problema em que uma exceção mais geral estava a ser levantada em vez de uma exceção específica. Esta correção também cobriu condições adicionais de corrida que levavam a uma célula final a ser marcada como "Ran" em vez de "Falhada".

• Novas funcionalidades e melhorias:

  • Aumentou o número máximo de GPUs A10 e H100 a que um portátil pode ligar-se de 16 para 32.
  • Adicionei timeout e limpeza de logs ao sincronizar ambientes.

31 de outubro de 2025

API Python de GPU serverless atualizada para 0.5.7

A API Python 0.5.7 da GPU Serverless inclui as seguintes atualizações da API:

• Correções de bugs:
  • Corrigiu um problema em que uma falha de trabalho remoto foi incorretamente exibida como sucesso na célula do notebook.
  • Corrigido um problema de timeout intermitente durante a sincronização do ambiente.
  • Corrigido o problema de exibição do link "ver logs".

22 de outubro, 2025

API Python da GPU sem servidor atualizada para 0.5.6

A Serverless GPU Python API 0.5.6 inclui as seguintes atualizações de API:

• Correções de bugs:
  • Corrigido Py4jException o erro que causava o crash do notebook ao executar várias cargas de trabalho usando serverless_gpuremote=False.
  • Corrigido um ocasional torch.distributed.DistStoreError que poderia ocorrer durante o treinamento de vários nós.
  • Corrigido o problema de corrida de upload-download de sincronização de ambiente com a nova API do gerenciador de ambiente Python.
• Alterações comportamentais:
  • Seleção de computação de GPU padrão sem servidor atualizada. Por padrão, os usuários agora se conectam a pools reservados se tiverem acesso a eles. Os utilizadores podem conectar-se a pools sob demanda, definindo o sinalizador "DATABRICKS_USE_POOL". Se os usuários não tiverem acesso a pools reservados, eles sempre usarão como padrão os pools sob demanda.

Ambiente do sistema

• Sistema Operacional: Ubuntu 24.04.2 LTS
• Píton: 3.12.3
• Databricks Connect: 17.2.4
• Kit de ferramentas NVIDIA CUDA: 12.6

Bibliotecas Python instaladas

Ambiente base padrão

Além do que está incluído no ambiente sem servidor 4 (CPU), o ambiente GPU sem servidor 4 inclui o seguinte:

• flash-attention 2.8.3
• torch 2.7.1
• torchvision 0.22.1

Para reproduzir o ambiente GPU sem servidor 4 em seu ambiente virtual Python local, baixe o arquivo requirements-env-gpu-4.txt e execute pip install -r requirements-env-gpu-4.txt. Este comando instala todas as bibliotecas de código aberto do ambiente sem servidor 4.

Ambiente de IA

O ambiente de IA inclui todos os pacotes do ambiente base predefinido, bem como os seguintes pacotes:

• flash-attention 2.8.3
• langchain 0.3.27
• lightgbm 4.6.0
• openai 1.106.1
• optuna 4.5.0
• ray 2.49.1
• sentence-transformers 5.1.0
• transformers 4.56.1
• xgboost 3.0.4
• pytorch-lightning 2.5.4

Para reproduzir o ambiente de IA V4 em seu ambiente virtual Python local, baixe o arquivo requirements-ai-gpu-4.txt e execute pip install -r requirements-ai-gpu-4.txt. Este comando instala todas as bibliotecas de código aberto do ambiente de IA.