Sdílet prostřednictvím

2019. června

  • Článek

Tyto funkce a vylepšení platformy Azure Databricks byly vydány v červnu 2019.

Poznámka:

Verze jsou připraveny. Váš účet Azure Databricks se nemusí aktualizovat až do týdne po počátečním datu vydání.

Podpora instance Lsv2 je obecně dostupná

24. června – 26. června 2019: Verze 2.100

Azure Databricks teď poskytuje plnou podporu pro řadu virtuálních počítačů Lsv2 pro úlohy s vysokou propustností a vysokým počtem IOPS.

Integrace softwaru RStudio se už neomezuje na clustery s vysokou souběžností

6. června – 11. června 2019: Verze 2.99

Teď můžete RStudio Server povolit na standardních clusterech v Azure Databricks, kromě clusterů s vysokou souběžností, které už byly podporované. Integrace RStudio Serveru bez ohledu na režim clusteru nadále vyžaduje, abyste zakázali možnost automatického ukončení clusteru. Viz RStudio v Azure Databricks.

MLflow 1.0

3. června 2019

MLflow je opensourcová platforma pro správu celého životního cyklu strojového učení. S MLflow můžou datoví vědci sledovat a sdílet experimenty místně nebo v cloudu, zabalit a sdílet modely napříč architekturami a nasazovat modely prakticky kdekoli.

S radostí oznamujeme vydání MLflow 1.0 dnes. Verze 1.0 nejen označuje vyspělost a stabilitu rozhraní API, ale také přidává řadu často požadovaných funkcí a vylepšení:

  • Rozhraní příkazového řádku bylo znovu uspořádané a teď obsahuje vyhrazené příkazy pro artefakty, modely, databázi (sledovací databázi) a server (sledovací server).
  • Vyhledávání na sledovacím serveru podporuje zjednodušenou verzi SQL WHERE klauzule. Kromě podpory metrik spuštění a parametrů bylo vyhledávání vylepšeno tak, aby podporovalo některé atributy spuštění a značky uživatelů a systémů.
  • Přidá podporu souřadnic x v rozhraní API pro sledování. Komponenty vizualizace uživatelského rozhraní MLflow nyní také podporují vykreslení metrik s poskytnutými souřadnicemi x values.
  • Přidá koncový bod rozhraní REST API runs/log-batch a také metody Pythonu, R a Javy pro protokolování více metrik, parametersa značek s jedním požadavkem rozhraní API.
  • Ke sledování se teď ve Windows podporuje klient MLflow 1.0.
  • Přidává podporu HDFS jako back-end úložiště artefaktů.
  • Přidá příkaz pro sestavení kontejneru Dockeru, jehož výchozí vstupní bod slouží zadanému modelu funkcí Pythonu MLflow na portu 8080 v kontejneru.
  • Přidá experimentální příchuť modelu ONNX .

Úplný list změn můžete zobrazit v protokolu změn MLflow .

Databricks Runtime 5.4 pro strojové učení

3. června 2019

Databricks Runtime 5.4 ML je postaven na Databricks Runtime 5.4 (EoS). Obsahuje mnoho oblíbených knihoven strojového učení, včetně TensorFlow, PyTorch, Keras a XGBoost a poskytuje distribuované trénování TensorFlow pomocí Horovodu.

Obsahuje následující nové funkce:

  • Integrace knihovny MLlib s MLflow (Public Preview)
  • Hyperopt s předinstalovanou třídou SparkTrials (Public Preview).
  • Výstup HorovodRunneru odeslaný z Horovodu do uzlu ovladače Spark je teď viditelný v buňkách poznámkového bloku.
  • Předinstalovaný balíček XGBoost Pythonu

Podrobnosti najdete v tématu Databricks Runtime 5.4 pro ML (EoS).

Databricks Runtime 5.4

3. června 2019

Databricks Runtime 5.4 je teď k dispozici. Databricks Runtime 5.4 zahrnuje Apache Spark 2.4.2, upgradované knihovny Pythonu, R, Javy a Scala a následující nové funkce:

  • Delta Lake v Databricks přidává automatické Optimize (Veřejná ukázka)
  • Použití oblíbeného integrovaného vývojového prostředí (IDE) a serveru poznámkového bloku s Databricks Connect
  • Obecně dostupné nástroje knihovny
  • Binární zdroj dat souboru

Podrobnosti najdete v tématu Databricks Runtime 5.4 (EoS).