Databricks Runtime 12.0 para Machine Learning (EoS)

O Databricks Runtime 12.0 para Machine Learning fornece um ambiente prontoto-go para machine learning e ciência de dados com base em Databricks Runtime 12.0 (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 12.0 ML foi desenvolvido com base no Databricks Runtime 12.0. Para obter informações sobre as novidades no Databricks Runtime 12.0, incluindo Apache Spark MLlib e SparkR, consulte as notas de versão do Databricks Runtime 12.0 (EoS ).

Aprimoramentos no AutoML

• Agora, os modelos de previsão tem a opção de incluir feriados nacionais.
• A previsão agora dá suporte a frequências mensais, trimestrais e anuais.
• O AutoML agora pode usar conjuntos de dados maiores para treinamento. O AutoML aloca automaticamente mais núcleos de CPU para grandes conjuntos de dados.

Para obter mais informações sobre o AutoML, consulte O que é o AutoML?.

MLflow 2.0

O Databricks Runtime 12.0 ML inclui o MLflow 2.0. O MLflow 2.0 baseia-se na forte base de plataforma do MLflow e incorpora comentários extensivos do usuário para simplificar os fluxos de trabalho de ciência de dados e fornecer ferramentas inovadoras de primeira classe para MLOps. Recursos e aprimoramentos incluem extensões para Receitas do MLflow (anteriormente MLflow Pipelines), como AutoML, ajuste de hiperparâmetros e suporte à classificação, além de integrações modernizadas com o ecossistema de ML, uma interface de usuário simplificada do MLflow Tracking, uma atualização das APIs principais nos componentes da plataforma do MLflow e muito mais. Para obter mais informações, consulte a documentação do MLflow 2.0 ou confira a postagem no blog.

scikit-learn 1.0

O Databricks Runtime ML 12.0 inclui scikit-learn versão 1.0. Visite a scikit-learndocumentação para saber sobre as alterações nesta versão de scikit-learn.

Ambiente do sistema

O ambiente do sistema no Databricks Runtime 12.0 ML é diferente do Databricks Runtime 12.0 nestes aspectos:

• DBUtils: O Databricks Runtime ML não inclui Utilitário de biblioteca (dbutils.library) (herdado). Em vez disso, utilize os comandos %pip. Consulte Bibliotecas Python no escopo do Notebook.
• Para clusters de GPU, o Databricks Runtime ML inclui as seguintes bibliotecas de GPU NVIDIA:
  • CUDA 11.3
  • cuDNN 8.0.5.39
  • NCCL 2.9.9
  • TensorRT 7.2.2

O Databricks Runtime 12.0 ML inclui o XGBoost 1.6.2, que não dá suporte a clusters de GPU com capacidade de computação 5.2 e inferior.

Bibliotecas

As seções a seguir listam as bibliotecas incluídas no Databricks Runtime 12.0 ML que são diferentes daquelas incluídas no Databricks Runtime 12.0.

Nesta seção:

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

Bibliotecas de camada superior

O Databricks Runtime 12.0 ML inclui as seguintes bibliotecas de camada superior:

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

bibliotecas de Python

O Databricks Runtime 12.0 ML usa o Virtualenv para Python gerenciamento de pacotes e inclui muitos pacotes ML populares.

Além dos pacotes especificados nas seções a seguir, o Databricks Runtime 12.0 ML também inclui os seguintes pacotes:

• hyperopt 0.2.7.db1
• sparkdl 2.3.0-db3
• automl 1.14.1

Para reproduzir o ambiente de Python do Databricks Runtime ML em seu ambiente virtual Python local, baixe o arquivo requirements-12.0.txt e execute pip install -r requirements-12.0.txt. Esse comando instala todas as bibliotecas de open source que o Databricks Runtime ML usa, mas não instala bibliotecas desenvolvidas pelo Databricks, como databricks-automl, databricks-feature-store ou o fork do Databricks de hyperopt.

bibliotecas Python em clusters de CPU

bibliotecas Python em clusters de GPU

Bibliotecas de R

As bibliotecas do R são idênticas às Bibliotecas do R do Databricks Runtime 12.0.

bibliotecas Java e Scala (cluster Scala 2.12)

Além das bibliotecas Java e Scala no Databricks Runtime 12.0, o Databricks Runtime 12.0 ML contém os seguintes JARs:

Clusters de CPU

Clusters de GPU