Databricks Runtime 10.5 para Machine Learning (EoS)

Databricks Runtime 10.5 para Machine Learning proporciona un entorno listo para usar de aprendizaje automático y ciencia de datos, basado en Databricks Runtime 10.5. Databricks Runtime ML contiene muchas bibliotecas populares de aprendizaje automático, incluidas TensorFlow, PyTorch y XGBoost. Databricks Runtime ML incluye AutoML, una herramienta para entrenar automáticamente canalizaciones de aprendizaje automático. Databricks Runtime ML también admite el entrenamiento de aprendizaje profundo distribuido mediante Horovod.

Para más información, incluidas las instrucciones para crear un clúster de Databricks Runtime ML, consulte IA y aprendizaje automático en Databricks.

Databricks Runtime 10.5 ML se basa en Databricks Runtime 10.5. Para más información sobre las novedades de Databricks Runtime 10.5, incluyendo Apache Spark MLlib y SparkR, consulte las notas de la versión de Databricks Runtime 10.5.

Se han realizado las siguientes mejoras en AutoML.

• El uso mejorado de memoria permite que AutoML entrene en conjuntos de datos mayores.
• Con la previsión de AutoML, ahora puede exportar las mejores predicciones del modelo a una tabla mediante la API. Si se proporciona output_database, AutoML guarda las predicciones del mejor modelo en una nueva tabla de la base de datos especificada. Si output_database no se especifica, las predicciones no se guardan.

Se han realizado las siguientes mejoras en el Almacén de características de Databricks.

• Ahora puede eliminar una tabla de características existente con drop_table API. Esta acción también anula la tabla Delta subyacente.
• Ahora puede usar la API de Python del almacén de ingeniería de características y la característica del espacio de trabajo para agregar una etiqueta a una tabla de características al crearla o registrarla y agregar, actualizar, eliminar o leer etiquetas en tablas de características existentes.

El entorno del sistema de Databricks Runtime 10.5 ML se diferencia del de Databricks Runtime 10.5 en lo siguiente:

• DBUtils: Databricks Runtime ML no incluye la utilidad de biblioteca de (dbutils.library) (heredada). Use comandos %pip en su lugar. Consulte Bibliotecas de Python cuyo ámbito es Notebook.
• En los clústeres de GPU, Databricks Runtime ML incluye las siguientes bibliotecas de GPU de NVIDIA:
  • CUDA 11.0
  • cuDNN 8.0.5.39
  • NCCL 2.10.3
  • TensorRT 7.2.2

En las secciones siguientes se enumeran las bibliotecas incluidas en Databricks Runtime 10.5 ML, que difieren de las incluidas en Databricks Runtime 10.5.

• Bibliotecas de nivel superior
• Bibliotecas de Python
• Bibliotecas de R
• Bibliotecas de Java y Scala (clúster de Scala 2.12)

Databricks Runtime 10.5 ML incluye las siguientes bibliotecas de nivel superior:

• GraphFrames
• Horovod y HorovodRunner
• MLflow
• PyTorch
• spark-tensorflow-connector
• TensorFlow
• TensorBoard

Databricks Runtime 10.5 ML usa Virtualenv para la administración de paquetes de Python, e incluye muchos paquetes de Machine Learning populares.

Además de los paquetes especificados en las secciones siguientes, Databricks Runtime 10.5 ML también incluye los siguientes:

• hyperopt 0.2.7.db1
• sparkdl 2.2.0-db6
• feature_store 0.4.1
• automl 1.8.0

Las bibliotecas de R son idénticas a las bibliotecas de R de Databricks Runtime 10.5.

Además de las bibliotecas de Java y Scala de Databricks Runtime 10.5, Databricks Runtime 10.5 ML contiene los archivos JAR siguientes: