用于 ML 的 Databricks Runtime 10.2 (EoS)

Databricks 于 2021 年 12 月发布此版本。

用于机器学习的 Databricks Runtime 10.2 基于 Databricks Runtime 10.2 (EoS) 为机器学习和数据科学提供随时可用的环境。 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 10.2 ML 基于 Databricks Runtime 10.2 构建。 若要了解 Databricks Runtime 10.2 中的新增功能，包括 Apache Spark MLlib 和 SparkR，请参阅 Databricks Runtime 10.2 (EoS) 发行说明。

Databricks 自动日志记录（公共预览版）

Databricks 自动日志记录现已在所有区域提供公共预览版。 Databricks 自动日志记录是一种无代码解决方案，它为 Azure Databricks 上的机器学习训练会话提供自动试验跟踪。 使用 Databricks 自动日志记录，在通过各种热门机器学习库训练模型时可自动捕获模型参数、指标、文件和世系信息。 训练会话记录为 MLflow 跟踪运行。 还会跟踪模型文件，从而可以轻松地将这些文件记录到 MLflow 模型注册表，并通过 MLflow 模型服务部署它们进行实时评分。

有关 Databricks 自动日志记录的详细信息，请参阅 Databricks 自动日志记录。

Databricks AutoML 的增强功能

对 Databricks AutoML 进行了以下增强。

• AutoML 会忽略只有一个值的列。
• 对于分类和回归问题，用于按时间顺序将数据集拆分为训练集、验证集和测试集的时间列现在可以是字符串类型。 以前只支持时间戳和整数。 有关详细信息，请参阅将数据拆分为训练集、验证集和测试集。

Databricks 特征存储增强功能

Databricks Feature Store 进行了以下增强。

简化了 FeatureStoreClient 接口

FeatureStoreClient 接口已简化。

• FeatureStoreClient.create_feature_table() 已弃用。 请改用 FeatureStoreClient.create_table()。
• FeatureStoreClient.get_feature_table() 已弃用。 请改用 FeatureStoreClient.get_table()。
• name 和 online_store 以外的所有 FeatureStoreClient.publish_table() 参数都必须作为关键字参数传递。

仅将选定的列发布到在线存储

Databricks Feature Store 现在支持仅将选定的列发布到在线存储。 有关详细信息，请参阅将所选特征发布到在线存储。

Databricks Runtime ML Python 环境的主要更改

Apache Spark MLlib 的自动 MLflow 跟踪集成在 Databricks Runtime 10.1 ML 中已弃用，现在，在 Databricks Runtime 10.2 ML 中默认禁用。 它已被 MLflow 的 PySpark ML 自动日志记录集成取代，默认情况下通过 Databricks 自动日志记录启用。 除了捕获的 MLlib 的自动 MLflow 跟踪之外，自动日志记录还会记录其他信息，包括与最佳模型相关的参数、指标和工件。

升级的 Python 包

• databricks-cli 0.14.3 => 0.16.2
• keras 2.6.0 => 2.7.0
• lightgbm 3.3.0 => 3.3.1
• mlflow 1.21.0 => 1.22.0
• plotly 5.3.0 => 5.3.1
• shap 0.39.0 => 0.40.0
• spacy 3.1.3 => 3.2.0
• tensorboard 2.6.0 => 2.7.0
• tensorflow 2.6.0 => 2.7.0
• torch 1.9.1 => 1.10.0
• torchvision 0.10.1 => 0.11.1
• transformers 4.11.3 => 4.12.3
• xgboost 1.4.2 => 1.5.0

系统环境

Databricks Runtime 10.2 ML 中的系统环境在以下方面不同于 Databricks Runtime 10.2：

• DBUtils：Databricks Runtime ML 不包含库实用工具 (dbutils.library)（旧版）。 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 11.0
  • cuDNN 8.0.5.39
  • NCCL 2.10.3
  • TensorRT 7.2.2

库

以下部分列出了 Databricks Runtime 10.2 ML 中包含的库，这些库不同于 Databricks Runtime 10.2 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 10.2 ML 包含以下顶层库：

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

Python 库

Databricks Runtime 10.2 ML 使用 Virtualenv 进行 Python 包管理，包含许多常用的 ML 包。

除了在以下部分指定的包，Databricks Runtime 10.2 ML 还包含以下包：

• hyperopt 0.2.7.db1
• sparkdl 2.2.0-db5
• feature_store 0.3.6
• automl 1.5.0

CPU 群集上的 Python 库

GPU 群集上的 Python 库

包含 Python 模块的 Spark 包

R 库

R 库与 Databricks Runtime 10.2 中的 R 库完全相同。

Java 库和 Scala 库（Scala 2.12 群集）

除了 Databricks Runtime 10.2 中的 Java 库和 Scala 库，Databricks Runtime 10.2 ML 还包含以下 JAR：

CPU 群集

GPU 群集