用于机器学习的 Databricks Runtime 13.2

用于机器学习的 Databricks Runtime 13.2 基于 Databricks Runtime 13.2，为机器学习和数据科学提供了随时可用的环境。 Databricks Runtime ML 包含许多常用的机器学习库，包括 TensorFlow、PyTorch 和 XGBoost。 Databricks Runtime ML 包括 AutoML 工具，可用于自动训练机器学习管道。 Databricks Runtime ML 还支持使用 Horovod 进行分布式深度学习训练。

有关详细信息，包括有关如何创建 Databricks Runtime ML 群集的说明，请参阅 Databricks 上的 AI 和机器学习。

新增功能和改进

Databricks Runtime 13.2 ML 基于 Databricks Runtime 13.2 构建。 若要了解 Databricks Runtime 13.2 中的新增功能，包括 Apache Spark MLlib 和 SparkR，请参阅 Databricks Runtime 13.2 发行说明。

对 Databricks 特征存储的更改

• 现在所需的最低 mlflow-skinny 版本是 2.4.0。
• 如果提供的数据帧不包含所有必需的查找键，则创建训练集会失败。

系统环境

Databricks Runtime 13.2 ML 中的系统环境在以下方面不同于 Databricks Runtime 13.2：

• DBUtils：Databricks Runtime ML 不包含（旧版）库实用工具 (dbutils.library)。 请改用 %pip 命令。 请参阅作用域为笔记本的 Python 库。
• 对于 GPU 群集，Databricks Runtime ML 包含以下 NVIDIA GPU 库：
  • CUDA 11.7
  • cuDNN 8.5.0.96-1
  • NCCL 2.15.1
  • TensorRT 7.2.2

Databricks Runtime 13.2 ML 包括 XGBoost 1.7.3，它不支持计算功能 5.2 及以下的 GPU 群集。

库

以下部分列出了 Databricks Runtime 13.2 ML 中包含的库，这些库不同于 Databricks Runtime 13.2 中包含的库。

本节内容：

• 顶层库
• Python 库
• R 库
• Java 库和 Scala 库（Scala 2.12 群集）

顶层库

Databricks Runtime 13.2 ML 包含以下顶层库：

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

Python 库

Databricks Runtime 13.2 ML 使用 Virtualenv 进行 Python 包管理，并且包含许多常用的 ML 包。

除了以下部分中指定的包，Databricks Runtime 13.2 ML 还包含以下包：

• hyperopt 0.2.7+db3
• sparkdl 3.0.0_db1
• automl 1.19.0

若要在本地 Python 虚拟环境中重现 Databricks Runtime ML Python 环境，请下载 requirements-13.2.txt 文件并运行 pip install -r requirements-13.2.txt。 此命令安装 Databricks Runtime ML 使用的所有开源库，但不安装 Databricks 开发的库，例如 databricks-automl、databricks-feature-store，或 hyperopt 的 Databricks 分支。

CPU 群集上的 Python 库

GPU 群集上的 Python 库

R 库

R 库与 Databricks Runtime 13.2 中的 R 库完全相同。

Java 库和 Scala 库（Scala 2.12 群集）

除了 Databricks Runtime 13.2 中的 Java 库和 Scala 库之外，Databricks Runtime 13.2 ML 还包含以下 JAR：

CPU 群集

GPU 群集