Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Azure Databricks offre soluzioni di calcolo flessibili personalizzate in base alle diverse esigenze di Machine Learning, dai runtime del cluster gestito agli ambienti GPU completamente serverless.
| Calcolo | Descrizione |
|---|---|
| Calcolo GPU serverless | Ambiente di calcolo GPU serverless ottimizzato per carichi di lavoro di Deep Learning a nodo singolo e multinodo personalizzati. |
| Databricks Runtime per il Machine Learning | Ambiente di calcolo classico con librerie predefinite per carichi di lavoro classici di Machine Learning e Deep Learning. |
Calcolo GPU serverless (Beta)
Importante
Questa funzionalità è in versione beta. Gli amministratori dell'area di lavoro possono controllare l'accesso a questa funzionalità dalla pagina Anteprime . Vedere Gestire le anteprime di Azure Databricks.
Il calcolo GPU serverless è un'offerta specializzata all'interno dell'ecosistema serverless di Databricks. È ottimizzata per carichi di lavoro personalizzati di Deep Learning a nodo singolo e multinodo, come il perfezionamento di modelli di linguaggio di grandi dimensioni o l'addestramento di modelli di visione artificiale.
Le funzionalità principali includono:
- Disponibilità immediata: rimuove la necessità di gestire l'infrastruttura cluster sottostante, consentendo di connettere un notebook direttamente alle risorse GPU serverless.
- Hardware ad alte prestazioni: fornisce l'accesso a GPU A10 per attività convenienti.
- Ambienti gestiti: Offre un ambiente di base predefinito per la personalizzazione completa o un ambiente AI precaricato con pacchetti di Machine Learning comuni come Transformers e Ray.
- Scalabilità flessibile: supporta il training distribuito tra più GPU e nodi.
Databricks Runtime per l'apprendimento automatico
Databricks Runtime per Machine Learning è un runtime specializzato che automatizza la creazione di risorse di calcolo con un'infrastruttura predefinita. È progettato per gli utenti che vogliono un ambiente completo e pronto per l'uso sia per l'apprendimento automatico classico che per l'apprendimento avanzato.
Le funzionalità principali includono:
- Librerie preinstallate: include librerie comuni come PyTorch, TensorFlow e XGBoost, che ricevono aggiornamenti frequenti e supporto ottimizzato.
- Versatilità di calcolo: Supporta i tipi di istanza basati su CPU e GPU, tra cui il AWS Graviton per migliorare il rapporto qualità-prezzo.
- Ottimizzazione: offre l'integrazione con Photon per accelerare le attività di progettazione spark SQL, dataframe e funzionalità.
- Controllo di accesso: richiede la modalità di accesso dedicato per proteggere l'accesso ai dati tramite Unity Catalog.