Databricks Runtime 10.1 pro ML (EoS)
Poznámka:
Podpora této verze Databricks Runtime skončila. Datum ukončení podpory najdete v tématu Historie ukončení podpory. Všechny podporované verze databricks Runtime najdete v poznámkách k verzi Databricks Runtime a kompatibilitu.
Databricks Runtime 10.1 pro Machine Learning poskytuje připravené prostředí pro strojové učení a datové vědy založené na databricks Runtime 10.1 (EoS). Databricks Runtime ML obsahuje mnoho oblíbených knihoven strojového učení, včetně TensorFlow, PyTorch a XGBoost. Podporuje také distribuované trénování hlubokého učení pomocí Horovodu.
Další informace, včetně pokynů k vytvoření clusteru Databricks Runtime ML, najdete v tématu AI a strojové učení v Databricks.
Nové funkce a vylepšení
Databricks Runtime 10.1 ML je postaven na Databricks Runtime 10.1. Informace o novinkách v Databricks Runtime 10.1, včetně Apache Spark MLlib a SparkR, najdete ve zprávě k vydání verze Databricks Runtime 10.1 (EoS).
Vylepšení autoML
AutoML zahrnuje ve službě Databricks Runtime 10.1 vylepšenou sémantickou detekci typu, nová upozornění na potenciální problémy s daty během trénování, nové funkce, které brání přeurčení modelů a možnost rozdělit vstupní datovou sadu na trénovací, ověřovací a testovací sady chronologicky.
Další sémantické detekce typů
AutoML teď podporuje další sémantickou detekci typu:
- Číselné sloupce, které obsahují popisky kategorií, se považují za kategorický typ.
- Řetězcové sloupce, které obsahují anglický text, se považují za textovou funkci.
Teď můžete také přidat poznámky k zadání datového typu sloupce. Podrobnosti najdete v tématu Detekce sémantických typů.
Upozornění během trénování pro potenciální problémy s daty
AutoML teď detekuje a generuje výstrahy pro potenciální problémy s datovou sadou. Mezi ukázkové výstrahy patří nepodporované typy sloupců a sloupce s vysokou kardinalitou. Tato upozornění se zobrazí na stránce experimentu pod novou kartou Výstrahy . Do poznámkového bloku pro zkoumání dat jsou zahrnuty další informace o výstrahách. Další informace najdete v tématu Spuštění experimentu a monitorování výsledků.
Zmenšené přeurčení modelu
Dvě nové funkce snižují riziko přeurčení modelu při použití AutoML:
- AutoML teď hlásí testovací metriky navíc k metrikám ověřování a trénování.
- AutoML teď používá předčasné zastavení. Pokud se metrika ověřování už nelepší, zastaví trénování a ladění modelů.
Rozdělení datové sady do trénovacích/ověřovacích/testovacích sad chronologicky
U problémů s klasifikací a regresí můžete datovou sadu rozdělit na trénovací, ověřovací a testovací sady chronologicky. Podrobnosti najdete v tématu Rozdělení dat do trénovacích, ověřovacích a testovacích sad .
Vylepšení úložiště funkcí Databricks
Úložiště funkcí Databricks teď podporuje další datové typy pro tabulky funkcí: BinaryType, DecimalTypea MapType.
Mlflow
Od mlflow verze 1.21.0 jsou k dispozici následující vylepšení, která jsou součástí Databricks Runtime 10.1 ML.
- [Modely] Upgradujte variantu
fastaimodelu tak, aby podporovala fastai v2 (2.4.1 a vyšší). - [Modely] Představujeme příchuť modelu mlflow.prorok pro modely časových řad Proroka.
- [Bodování] Oprava chyby vynucení schématu, která nesprávně přetypovává řetězce typu datum na objekty datetime.
Hyperopt
SparkTrials nyní podporuje early_stopping_fn parametr pro fmin. Pomocí počáteční zastavovací funkce můžete určit podmínky, kdy má Hyperopt zastavit ladění hyperparametrů před dosažením maximálního počtu vyhodnocení. Tento parametr můžete například použít k ukončení ladění, pokud už cílová funkce neklesne. Podrobnosti najdete v tématu fmin().
Hlavní změny prostředí Databricks Runtime ML v Pythonu
Upgradované balíčky Pythonu
- automl 1.3.1 => 1.4.1
- feature_store 0.3.4 => 0,3.5
- svátky 0.11.2 => 0.11.3.1
- horovod 0.22.1 => 0,23.0
- hyperopt 0.2.5.db2 => 0.2.5.db4
- nevyvážené učení 0.8.0 => 0.8.1
- lightgbm 3.1.1 => 3.3.0
- mlflow 1.20.2 => 1.21.0
- petastorm 0.11.2 => 0,11.3
- plotly 5.1.0 => 5.3.0
- pytorch 1.9.0 => 1,9.1
- spacy 3.1.2 => 3.1.3
- sparkdl 2.2.0_db3 => 2.2.0_db4
- torchvision 0.10.0 => 0.10.1
- transformátory 4.9.2 => 4.11.3
Přidané balíčky Pythonu
- fasttext => 0,9.2
- tensorboard-plugin-profile => 2.5.0
Zastaralé
Automatizované sledování MLflow MLlib je zastaralé v clusterech, na kterých běží Databricks Runtime 10.1 ML a novější. Místo toho použijte automatickélogování MLflow PySpark ML voláním mlflow.pyspark.ml.autolog(). Automatické přihlašování je ve výchozím nastavení povolené pomocí automatickéhologování Databricks.
Prostředí systému
Systémové prostředí v Databricks Runtime 10.1 ML se liší od Databricks Runtime 10.1 následujícím způsobem:
- DBUtils: Databricks Runtime ML nezahrnuje nástroj knihovny (dbutils.library) (starší verze).
Místo toho použijte
%pippříkazy. Další informace najdete v tématu Knihovny Pythonu v rámci poznámkových bloků - Pro clustery GPU zahrnuje Databricks Runtime ML následující knihovny NVIDIA GPU:
- CUDA 11.0
- cuDNN 8.0.5.39
- NCCL 2.10.3
- TensorRT 7.2.2
Knihovny
Následující části obsahují seznam knihoven zahrnutých v Databricks Runtime 10.1 ML, které se liší od knihoven zahrnutých v Databricks Runtime 10.1.
V této části:
- Knihovny nejvyšší úrovně
- Knihovny Pythonu
- Knihovny jazyka R
- Knihovny Java a Scala (cluster Scala 2.12)
Knihovny nejvyšší úrovně
Databricks Runtime 10.1 ML obsahuje následující knihovny nejvyšší úrovně:
- GraphFrames
- Horovod a HorovodRunner
- MLflow
- PyTorch
- spark-tensorflow-connector
- TensorFlow
- TensorBoard
Knihovny Pythonu
Databricks Runtime 10.1 ML používá Virtualenv ke správě balíčků Pythonu a obsahuje mnoho oblíbených balíčků ML.
Kromě balíčků uvedených v následujících částech obsahuje Databricks Runtime 10.1 ML také následující balíčky:
- hyperopt 0.2.5.db4
- sparkdl 2.2.0-db4
- feature_store 0.3.5
- automl 1.4.0
Poznámka:
Databricks Runtime 10.1 ML obsahuje scikit-learn verze 0.24 místo verze 1.0 kvůli problémům s nekompatibilitou. Balíček scikit-learn komunikuje s mnoha dalšími balíčky v Databricks Runtime 10.1 ML.
Můžete upgradovat na scikit-learn verze 1.0; Databricks ale tuto verzi nepodporuje.
Pokud chcete upgradovat, použijte knihovny s vymezeným poznámkovým blokem. Z poznámkového bloku spusťte %pip install --upgrade "scikit-learn>=1.0,<1.1"příkaz .
Alternativou je použít tento inicializační skript clusteru:
#!/bin/bash
set -e
pip install --upgrade "scikit-learn>=1.0,<1.1"
Knihovny Pythonu v clusterech procesorů
| Knihovna | Verze | Knihovna | Verze | Knihovna | Verze |
|---|---|---|---|---|---|
| absl-py | 0.11.0 | Antergos Linux | 2015.10 (ISO-Rolling) | appdirs | 1.4.4 |
| argon2-cffi | 20.1.0 | Astor | 0.8.1 | astunparse | 1.6.3 |
| async-generator | 1,10 | attrs | 20.3.0 | backcall | 0.2.0 |
| šifra | 3.2.0 | bělit | 3.3.0 | blis | 0.7.4 |
| boto3 | 1.16.7 | botocore | 1.19.7 | cachetools | 4.2.4 |
| katalog | 2.0.6 | certifi | 2020.12.5 | cffi | 1.14.5 |
| chardet | 4.0.0 | znít | 5,0 | kliknutí | 7.1.2 |
| cloudpickle | 1.6.0 | cmdstanpy | 0.9.68 | configparser | 5.0.1 |
| convertdate | 2.3.2 | kryptografie | 3.4.7 | cyklista | 0.10.0 |
| cymem | 2.0.5 | Cython | 0.29.23 | databricks-automl-runtime | 0.2.3 |
| Databricks-cli | 0.14.3 | dbus-python | 1.2.16 | dekoratér | 5.0.6 |
| defusedxml | 0.7.1 | kopr | 0.3.2 | diskcache | 5.2.1 |
| distlib | 0.3.3 | informace o distribuci | 0.23ubuntu1 | vstupní body | 0.3 |
| ephem | 4.1 | přehled omezujících vlastností | 1.0.0 | fasttext | 0.9.2 |
| filelock | 3.0.12 | Flask | 1.1.2 | flatbuffers | 1.12 |
| fsspec | 0.9.0 | budoucnost | 0.18.2 | Gast | 0.4.0 |
| gitdb | 4.0.7 | GitPython | 3.1.12 | google-auth | 1.22.1 |
| google-auth-oauthlib | 0.4.2 | google-pasta | 0.2.0 | grpcio | 1.39.0 |
| gunicorn | 20.0.4 | gviz-api | 1.10.0 | h5py | 3.1.0 |
| hijri-converter | 2.2.2 | prázdniny | 0.11.3.1 | horovod | 0.23.0 |
| htmlmin | 0.1.12 | huggingface-hub | 0.0.19 | idna | 2.10 |
| ImageHash | 4.2.1 | nevyvážené učení | 0.8.1 | importlib-metadata | 3.10.0 |
| ipykernel | 5.3.4 | ipython | 7.22.0 | ipython-genutils | 0.2.0 |
| ipywidgets | 7.6.3 | isodate | 0.6.0 | jehodangerous | 1.1.0 |
| Jedi | 0.17.2 | Jinja2 | 2.11.3 | jmespath | 0.10.0 |
| joblib | 1.0.1 | joblibspark | 0.3.0 | jsonschema | 3.2.0 |
| jupyter-client | 6.1.12 | jupyter-core | 4.7.1 | jupyterlab-pygments | 0.1.2 |
| jupyterlab-widgety | 1.0.0 | keras | 2.6.0 | Předběžné zpracování Kerasu | 1.1.2 |
| verizonsolver | 1.3.1 | Koaly | 1.8.2 | korejský lunární kalendář | 0.2.1 |
| lightgbm | 3.3.0 | llvmlite | 0.37.0 | LunárníCalendar | 0.0.9 |
| Druh žraloka | 1.1.3 | Markdown | 3.3.3 | MarkupSafe | 2.0.1 |
| matplotlib | 3.4.2 | missingno | 0.5.0 | špatně zamyšlení | 0.8.4 |
| mleap | 0.18.1 | mlflow-hubená | 1.21.0 | multimethod | 1.6 |
| murmurhash | 1.0.5 | nbclient | 0.5.3 | nbconvert | 6.0.7 |
| nbformat | 5.1.3 | nest-asyncio | 1.5.1 | networkx | 2.5 |
| nltk | 3.6.1 | poznámkový blok | 6.3.0 | numba | 0.54.1 |
| numpy | 1.19.2 | oauthlib | 3.1.0 | opt-einsum | 3.3.0 |
| balení | 20.9 | pandas | 1.2.4 | profilace pandas | 3.1.0 |
| pandocfilters | 1.4.3 | paramiko | 2.7.2 | parso | 0.7.0 |
| pathy | 0.6.0 | bábovka | 0.5.1 | petastorm | 0.11.3 |
| pexpect | 4.8.0 | Phik | 0.12.0 | pickleshare | 0.7.5 |
| Polštář | 8.2.0 | jádro | 21.0.1 | plotly | 5.3.0 |
| předběžně připravený | 3.0.5 | prometheus-client | 0.10.1 | prompt-toolkit | 3.0.17 |
| prorok | 1.0.1 | protobuf | 3.17.2 | psutil | 5.8.0 |
| psycopg2 | 2.8.5 | ptyprocess | 0.7.0 | pyarrow | 4.0.0 |
| pyasn1 | 0.4.8 | pyasn1-modules | 0.2.8 | pybind11 | 2.8.0 |
| pycparser | 2,20 | pydantic | 1.8.2 | Pygments | 2.8.1 |
| PyGObject | 3.36.0 | PyMeeus | 0.5.11 | PyNaCl | 1.4.0 |
| pyodbc | 4.0.30 | pyparsing | 2.4.7 | pyrsistent | 0.17.3 |
| pystan | 2.19.1.1 | python-apt | 2.0.0+ubuntu0.20.4.6 | python-dateutil | 2.8.1 |
| python-editor | 1.0.4 | pytz | 2020.5 | PyWavelets | 1.1.1 |
| PyYAML | 5.4.1 | pyzmq | 20.0.0 | regex | 2021.4.4 |
| žádosti | 2.25.1 | requests-oauthlib | 1.3.0 | requests-unixsocket | 0.2.0 |
| rsa | 4.7.2 | s3transfer | 0.3.7 | sacremoses | 0.0.46 |
| scikit-learn | 0.24.1 | scipy | 1.6.2 | seaborn | 0.11.1 |
| Send2Trash | 1.5.0 | setuptools | 52.0.0 | setuptools-git | 1.2 |
| Shap | 0.39.0 | simplejson | 3.17.2 | Šest | 1.15.0 |
| kráječ | 0.0.7 | inteligentní otevření | 5.2.0 | smmap | 3.0.5 |
| spacy | 3.1.3 | spacy-legacy | 3.0.8 | spark-tensorflow-distributor | 1.0.0 |
| sqlparse | 0.4.1 | srsly | 2.4.1 | ssh-import-id | 5.10 |
| statsmodels | 0.12.2 | sestavit v tabulku | 0.8.7 | tangled-up-in-unicode | 0.1.0 |
| houževnatost | 6.2.0 | tensorboard | 2.6.0 | tensorboard-data-server | 0.6.1 |
| tensorboard-plugin-profile | 2.5.0 | tensorboard-plugin-wit | 1.8.0 | tensorflow-cpu | 2.6.0 |
| tensorflow-estimator | 2.6.0 | termcolor | 1.1.0 | terminado | 0.9.4 |
| testpath | 0.4.4 | tenká | 8.0.9 | threadpoolctl | 2.1.0 |
| tokenizátory | 0.10.3 | pochodeň | 1.9.1+cpu | torchvision | 0.10.1+cpu |
| tornádo | 6.1 | tqdm | 4.59.0 | vlastnosti | 5.0.5 |
| Transformátory | 4.11.3 | Typer | 0.3.2 | typing-extensions | 3.7.4.3 |
| ujson | 4.0.2 | bezobslužné upgrady | 0,1 | urllib3 | 1.25.11 |
| virtualenv | 20.4.1 | vize | 0.7.4 | wasabi | 0.8.2 |
| wcwidth | 0.2.5 | webencodings | 0.5.1 | websocket-client | 0.57.0 |
| Werkzeug | 1.0.1 | kolo | 0.36.2 | widgetsnbextension | 3.5.1 |
| wrapt | 1.12.1 | xgboost | 1.4.2 | zipp | 3.4.1 |
Knihovny Pythonu v clusterech GPU
| Knihovna | Verze | Knihovna | Verze | Knihovna | Verze |
|---|---|---|---|---|---|
| absl-py | 0.11.0 | Antergos Linux | 2015.10 (ISO-Rolling) | appdirs | 1.4.4 |
| argon2-cffi | 20.1.0 | Astor | 0.8.1 | astunparse | 1.6.3 |
| async-generator | 1,10 | attrs | 20.3.0 | backcall | 0.2.0 |
| šifra | 3.2.0 | bělit | 3.3.0 | blis | 0.7.4 |
| boto3 | 1.16.7 | botocore | 1.19.7 | cachetools | 4.2.4 |
| katalog | 2.0.6 | certifi | 2020.12.5 | cffi | 1.14.5 |
| chardet | 4.0.0 | znít | 5,0 | kliknutí | 7.1.2 |
| cloudpickle | 1.6.0 | cmdstanpy | 0.9.68 | configparser | 5.0.1 |
| convertdate | 2.3.2 | kryptografie | 3.4.7 | cyklista | 0.10.0 |
| cymem | 2.0.5 | Cython | 0.29.23 | databricks-automl-runtime | 0.2.3 |
| Databricks-cli | 0.14.3 | dbus-python | 1.2.16 | dekoratér | 5.0.6 |
| defusedxml | 0.7.1 | kopr | 0.3.2 | diskcache | 5.2.1 |
| distlib | 0.3.3 | informace o distribuci | 0.23ubuntu1 | vstupní body | 0.3 |
| ephem | 4.1 | přehled omezujících vlastností | 1.0.0 | fasttext | 0.9.2 |
| filelock | 3.0.12 | Flask | 1.1.2 | flatbuffers | 1.12 |
| fsspec | 0.9.0 | budoucnost | 0.18.2 | Gast | 0.4.0 |
| gitdb | 4.0.7 | GitPython | 3.1.12 | google-auth | 1.22.1 |
| google-auth-oauthlib | 0.4.2 | google-pasta | 0.2.0 | grpcio | 1.39.0 |
| gunicorn | 20.0.4 | gviz-api | 1.10.0 | h5py | 3.1.0 |
| hijri-converter | 2.2.2 | prázdniny | 0.11.3.1 | horovod | 0.23.0 |
| htmlmin | 0.1.12 | huggingface-hub | 0.0.19 | idna | 2.10 |
| ImageHash | 4.2.1 | nevyvážené učení | 0.8.1 | importlib-metadata | 3.10.0 |
| ipykernel | 5.3.4 | ipython | 7.22.0 | ipython-genutils | 0.2.0 |
| ipywidgets | 7.6.3 | isodate | 0.6.0 | jehodangerous | 1.1.0 |
| Jedi | 0.17.2 | Jinja2 | 2.11.3 | jmespath | 0.10.0 |
| joblib | 1.0.1 | joblibspark | 0.3.0 | jsonschema | 3.2.0 |
| jupyter-client | 6.1.12 | jupyter-core | 4.7.1 | jupyterlab-pygments | 0.1.2 |
| jupyterlab-widgety | 1.0.0 | keras | 2.6.0 | Předběžné zpracování Kerasu | 1.1.2 |
| verizonsolver | 1.3.1 | Koaly | 1.8.2 | korejský lunární kalendář | 0.2.1 |
| lightgbm | 3.3.0 | llvmlite | 0.37.0 | LunárníCalendar | 0.0.9 |
| Druh žraloka | 1.1.3 | Markdown | 3.3.3 | MarkupSafe | 2.0.1 |
| matplotlib | 3.4.2 | missingno | 0.5.0 | špatně zamyšlení | 0.8.4 |
| mleap | 0.18.1 | mlflow-hubená | 1.21.0 | multimethod | 1.6 |
| murmurhash | 1.0.5 | nbclient | 0.5.3 | nbconvert | 6.0.7 |
| nbformat | 5.1.3 | nest-asyncio | 1.5.1 | networkx | 2.5 |
| nltk | 3.6.1 | poznámkový blok | 6.3.0 | numba | 0.54.1 |
| numpy | 1.19.2 | oauthlib | 3.1.0 | opt-einsum | 3.3.0 |
| balení | 20.9 | pandas | 1.2.4 | profilace pandas | 3.1.0 |
| pandocfilters | 1.4.3 | paramiko | 2.7.2 | parso | 0.7.0 |
| pathy | 0.6.0 | bábovka | 0.5.1 | petastorm | 0.11.3 |
| pexpect | 4.8.0 | Phik | 0.12.0 | pickleshare | 0.7.5 |
| Polštář | 8.2.0 | jádro | 21.0.1 | plotly | 5.3.0 |
| předběžně připravený | 3.0.5 | prompt-toolkit | 3.0.17 | prorok | 1.0.1 |
| protobuf | 3.17.2 | psutil | 5.8.0 | psycopg2 | 2.8.5 |
| ptyprocess | 0.7.0 | pyarrow | 4.0.0 | pyasn1 | 0.4.8 |
| pyasn1-modules | 0.2.8 | pybind11 | 2.8.1 | pycparser | 2,20 |
| pydantic | 1.8.2 | Pygments | 2.8.1 | PyGObject | 3.36.0 |
| PyMeeus | 0.5.11 | PyNaCl | 1.4.0 | pyodbc | 4.0.30 |
| pyparsing | 2.4.7 | pyrsistent | 0.17.3 | pystan | 2.19.1.1 |
| python-apt | 2.0.0+ubuntu0.20.4.6 | python-dateutil | 2.8.1 | python-editor | 1.0.4 |
| pytz | 2020.5 | PyWavelets | 1.1.1 | PyYAML | 5.4.1 |
| pyzmq | 20.0.0 | regex | 2021.4.4 | žádosti | 2.25.1 |
| requests-oauthlib | 1.3.0 | requests-unixsocket | 0.2.0 | rsa | 4.7.2 |
| s3transfer | 0.3.7 | sacremoses | 0.0.46 | scikit-learn | 0.24.1 |
| scipy | 1.6.2 | seaborn | 0.11.1 | Send2Trash | 1.5.0 |
| setuptools | 52.0.0 | setuptools-git | 1.2 | Shap | 0.39.0 |
| simplejson | 3.17.2 | Šest | 1.15.0 | kráječ | 0.0.7 |
| inteligentní otevření | 5.2.0 | smmap | 3.0.5 | spacy | 3.1.3 |
| spacy-legacy | 3.0.8 | spark-tensorflow-distributor | 1.0.0 | sqlparse | 0.4.1 |
| srsly | 2.4.1 | ssh-import-id | 5.10 | statsmodels | 0.12.2 |
| sestavit v tabulku | 0.8.7 | tangled-up-in-unicode | 0.1.0 | houževnatost | 6.2.0 |
| tensorboard | 2.6.0 | tensorboard-data-server | 0.6.1 | tensorboard-plugin-profile | 2.5.0 |
| tensorboard-plugin-wit | 1.8.0 | tensorflow | 2.6.0 | tensorflow-estimator | 2.6.0 |
| termcolor | 1.1.0 | terminado | 0.9.4 | testpath | 0.4.4 |
| tenká | 8.0.9 | threadpoolctl | 2.1.0 | tokenizátory | 0.10.3 |
| pochodeň | 1.9.1+cu111 | torchvision | 0.10.1+cu111 | tornádo | 6.1 |
| tqdm | 4.59.0 | vlastnosti | 5.0.5 | Transformátory | 4.11.3 |
| Typer | 0.3.2 | typing-extensions | 3.7.4.3 | ujson | 4.0.2 |
| bezobslužné upgrady | 0,1 | urllib3 | 1.25.11 | virtualenv | 20.4.1 |
| vize | 0.7.4 | wasabi | 0.8.2 | wcwidth | 0.2.5 |
| webencodings | 0.5.1 | websocket-client | 0.57.0 | Werkzeug | 1.0.1 |
| kolo | 0.36.2 | widgetsnbextension | 3.5.1 | wrapt | 1.12.1 |
| xgboost | 1.4.2 | zipp | 3.4.1 |
Balíčky Spark obsahující moduly Pythonu
| Balíček Spark | Modul Pythonu | Verze |
|---|---|---|
| graphframes | graphframes | 0.8.2-db1-spark3.2 |
Knihovny jazyka R
Knihovny jazyka R jsou identické s knihovnami jazyka R v Databricks Runtime 10.1.
Knihovny Java a Scala (cluster Scala 2.12)
Kromě knihoven Java a Scala v Databricks Runtime 10.1 obsahuje Databricks Runtime 10.1 ML následující žádosti o přijetí změn:
Clustery procesoru
| ID skupiny | ID artefaktu | Verze |
|---|---|---|
| com.typesafe.akka | akka-actor_2.12 | 2.5.23 |
| ml.combust.mleap | mleap-databricks-runtime_2.12 | 0.17.0-4882dc3 |
| ml.dmlc | xgboost4j-spark_2.12 | 1.4.1 |
| ml.dmlc | xgboost4j_2.12 | 1.4.1 |
| org.graphframes | graphframes_2.12 | 0.8.1-db6-spark3.2 |
| org.mlflow | mlflow-client | 1.20.2 |
| org.mlflow | mlflow-spark | 1.20.2 |
| org.scala-lang.modules | scala-java8-compat_2.12 | 0.8.0 |
| org.tensorflow | spark-tensorflow-connector_2.12 | 1.15.0 |
Clustery GPU
| ID skupiny | ID artefaktu | Verze |
|---|---|---|
| com.typesafe.akka | akka-actor_2.12 | 2.5.23 |
| ml.combust.mleap | mleap-databricks-runtime_2.12 | 0.18.1-23eb1ef |
| ml.dmlc | xgboost4j-gpu_2.12 | 1.4.1 |
| ml.dmlc | xgboost4j-spark-gpu_2.12 | 1.4.1-spark3.2 |
| org.graphframes | graphframes_2.12 | 0.8.2-db1-spark3.2 |
| org.mlflow | mlflow-client | 1.21.0 |
| org.mlflow | mlflow-spark | 1.21.0 |
| org.scala-lang.modules | scala-java8-compat_2.12 | 0.8.0 |
| org.tensorflow | spark-tensorflow-connector_2.12 | 1.15.0 |