Databricks Runtime 15.2 para Machine Learning (EoS)

O Databricks Runtime 15.2 para Aprendizado de Máquina fornece um ambiente pronto para uso imediato para aprendizado de máquina e ciência de dados com base em Databricks Runtime 15.2 (EoS). O Databricks Runtime ML contém muitas bibliotecas de aprendizado de máquina populares, inclusive TensorFlow, PyTorch e XGBoost. O Databricks Runtime ML inclui o AutoML, uma ferramenta para treinamento automático de pipelines de aprendizado de máquina. O Databricks Runtime ML também oferece suporte ao treinamento de aprendizado profundo distribuído com o uso do Horovod.

Novos recursos e aprimoramentos

O Databricks Runtime 15.2 ML foi desenvolvido com base no Databricks Runtime 15.2. Para obter informações sobre as novidades no Databricks Runtime 15.2, incluindo Apache Spark MLlib e SparkR, consulte as notas de versão do Databricks Runtime 15.2 (EoS ).

Adicionar StreamingDataset

O StreamingDataset é usado para tornar o treinamento em grandes conjuntos de dados do armazenamento em nuvem o mais rápido, barato e escalonável possível. Ele vem pré-instalado no Databricks Runtime 15.2 ML.

Suporte ao Photon em clusters de CPU do Databricks Runtime ML

A partir do Databricks Runtime 15.2 ML, você pode acelerar suas cargas de trabalho do Spark SQL e do Spark DataFrame habilitando oPhoton em seu cluster de CPU.

Para aplicativos de aprendizado de máquina, o Photon oferece desempenho mais rápido para casos de uso como:

• Preparação de dados usando SQL ou API DataFrame.
• Engenharia de recursos com pesquisa pontual.
• Análise de grafo com GraphFrames.

O Photon não aprimora o desempenho de bibliotecas de Python, como TensorFlow, PyTorch e XGBoost.

As APIs do Spark RDD e do Spark MLlib têm compatibilidade limitada com o Photon. Ao processar grandes conjuntos de dados usando o Spark RDD ou o Spark MLlib, você pode enfrentar problemas de memória do Spark. Veja Problemas de memória Spark.

Ambiente do sistema

O ambiente do sistema no Databricks Runtime 15.2 ML difere do Databricks Runtime 15.2 da seguinte forma:

• Para clusters de GPU, o Databricks Runtime ML inclui as seguintes bibliotecas de GPU NVIDIA:
  • CUDA 12.1
  • cusolver 11.4.5.107-1
  • cupti 12.1
  • cuDNN 8.9.0.131-1
  • NCCL 2.17.1
  • TensorRT 8.6.1.6-1

Bibliotecas

As seções a seguir listam as bibliotecas incluídas no Databricks Runtime 15.2 ML que diferem daquelas incluídas no Databricks Runtime 15.2.

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 15.2 ML inclui as seguintes bibliotecas de nível superior:

• datasets
• GraphFrames
• MLflow
• PyTorch
• spark-tensorflow-connector
• Scikit-learn
• TensorFlow
• TensorBoard
• transformadores

bibliotecas de Python

O Databricks Runtime 15.2 ML usa virtualenv para Python gerenciamento de pacotes e inclui muitos pacotes ML populares.

Além dos pacotes especificados nas seções a seguir, o Databricks Runtime 15.2 ML também inclui os seguintes pacotes:

• hyperopt 0.2.7+db3
• sparkdl 3.0.0_db1
• automl 1.26.0

Para reproduzir o ambiente de Python do Databricks Runtime ML em seu ambiente virtual Python local, baixe o arquivo requirements-15.2.txt e execute pip install -r requirements-15.2.txt. Esse comando instala todas as bibliotecas de código aberto que o Databricks Runtime ML usa, mas não instala bibliotecas desenvolvidas pelo Databricks, como databricks-automl, databricks-feature-engineering ou o fork do Databricks de hyperopt.

bibliotecas Python em clusters de CPU

bibliotecas Python em clusters de GPU

Bibliotecas do R

As bibliotecas R são idênticas às Bibliotecas R no Databricks Runtime 15.2.

bibliotecas Java e Scala (cluster Scala 2.12)

Além das bibliotecas Java e Scala no Databricks Runtime 15.2, o Databricks Runtime 15.2 ML contém os seguintes JARs:

Clusters de CPU

Clusters de GPU