Databricks Runtime 11.3 LTS for Machine Learning
Środowisko Databricks Runtime 11.3 LTS for Machine Learning zapewnia gotowe do użycia środowisko do uczenia maszynowego i nauki o danych oparte na środowisku Databricks Runtime 11.3 LTS. Środowisko Databricks Runtime ML zawiera wiele popularnych bibliotek uczenia maszynowego, w tym TensorFlow, PyTorch i XGBoost. Środowisko Databricks Runtime ML obejmuje rozwiązanie AutoML— narzędzie do automatycznego trenowania potoków uczenia maszynowego. Środowisko Databricks Runtime ML obsługuje również trenowanie rozproszonego uczenia głębokiego przy użyciu struktury Horovod.
Uwaga
LTS oznacza, że ta wersja jest objęta długoterminową pomocą techniczną. Zobacz Cykl życia wersji LTS środowiska Databricks Runtime.
Aby uzyskać więcej informacji, w tym instrukcje dotyczące tworzenia klastra uczenia maszynowego usługi Databricks Runtime, zobacz Sztuczna inteligencja i uczenie maszynowe w usłudze Databricks.
Napiwek
Aby wyświetlić informacje o wersji środowiska Databricks Runtime, które osiągnęły koniec wsparcia technicznego (EoS), zobacz End-of-support Databricks Runtime release notes (Informacje o wersji środowiska Databricks Runtime). Wersje środowiska Uruchomieniowego usługi EoS Databricks zostały wycofane i mogą nie zostać zaktualizowane.
Nowe funkcje i ulepszenia
Środowisko Databricks Runtime 11.3 LTS ML jest oparte na środowisku Databricks Runtime 11.3 LTS. Aby uzyskać informacje na temat nowości w Databricks Runtime 11.3 LTS, w tym Apache Spark MLlib i SparkR, zobacz informacje o wersji Databricks Runtime 11.3 LTS.
Ulepszenia rozwiązania AutoML
AutoML obsługuje teraz korzystanie z istniejących tabel funkcji w Feature Store w eksperymentach AutoML. Aby uzyskać szczegółowe informacje, zobacz integrację magazynu funkcji AutoML.
Notesy w wersji próbnej generowane przez rozwiązanie AutoML zawierają teraz fragmenty kodu, które umożliwiają użytkownikom ponowne uruchamianie dostrajania hiperparametrów.
AutoML teraz obsługuje DecimalType funkcje.
Poprawki błędów
Środowisko Databricks Runtime 11.3 LTS ML zawiera uaktualnioną wersję programu sparkdl.xgboost. Poprzednie wersje sparkdl.xgboost zawierają usterki, które zostały naprawione w tej wersji, dlatego usługa Databricks zaleca użytkownikom uaktualnienia biblioteki do środowiska Databricks Runtime 11.3 LTS ML.
Przygotowanie do przyszłych wydań
Nadchodzące wydanie środowiska Databricks Runtime ML będzie zawierać sklearn wersję 1.0. Zapoznaj się z dokumentacją, sklearnaby uzyskać informacje na temat przygotowania do tej zmiany.
Środowisko Databricks Runtime ML zawiera dwa openblas pakiety. Pakiet /opt/OpenBLAS jest przestarzały w środowisku Databricks Runtime 11.3 LTS ML i zostanie usunięty w nadchodzącej wersji.
Środowisko systemu
Środowisko systemowe w środowisku Databricks Runtime 11.3 LTS ML różni się od środowiska Databricks Runtime 11.3 LTS w następujący sposób:
-
DBUtils: Databricks Runtime ML nie zawiera narzędzia bibliotecznego (dbutils.library) (wersja starsza).
Użyj poleceń
%pipzamiast tego. Zobacz Biblioteki języka Python w kontekście notesu. - W przypadku klastrów gpu środowisko Databricks Runtime ML obejmuje następujące biblioteki procesora GPU FIRMY NVIDIA:
- CUDA 11.3
- cuDNN 8.0.5.39
- NCCL 2.9.9
- TensorRT 7.2.2
Środowisko Databricks Runtime 11.3 LTS ML zawiera bibliotekę XGBoost 1.6.1, która nie obsługuje klastrów gpu z możliwościami obliczeniowymi 5.2 i nowszymi.
Biblioteki
W poniższych sekcjach wymieniono biblioteki zawarte w środowisku Databricks Runtime 11.3 LTS ML, które różnią się od bibliotek zawartych w środowisku Databricks Runtime 11.3 LTS.
W tej sekcji:
- Biblioteki najwyższego poziomu
- Biblioteki języka Python
- Biblioteki języka R
- Biblioteki Java i Scala (klaster Scala 2.12)
Biblioteki najwyższego poziomu
Środowisko Databricks Runtime 11.3 LTS ML zawiera następujące biblioteki najwyższego poziomu:
- GraphFrames
- Horovod i HorovodRunner
- MLflow
- PyTorch
- spark-tensorflow-connector
- TensorFlow
- TensorBoard
- Scikit-learn
Biblioteki języka Python
Środowisko Databricks Runtime 11.3 LTS ML używa usługi Virtualenv do zarządzania pakietami języka Python i zawiera wiele popularnych pakietów uczenia maszynowego.
Oprócz pakietów określonych w poniższych sekcjach środowisko Databricks Runtime 11.3 LTS ML zawiera również następujące pakiety:
- hyperopt 0.2.7.db1
- sparkdl 2.3.0-db3
- feature_store 0.7.0
- automl 1.13.2
Aby odtworzyć środowisko Python środowiska Databricks Runtime ML w lokalnym środowisku wirtualnym Python, pobierz plik requirements-11.3.txt i uruchom go za pomocą pip install -r requirements-11.3.txt. To polecenie instaluje wszystkie biblioteki open source używane przez Databricks Runtime ML, ale nie instaluje bibliotek opracowanych przez Databricks, takich jak databricks-automl, databricks-feature-store, lub rozwidlenie Databricks hyperopt.
Biblioteki języka Python w klastrach procesora CPU
| Biblioteka | Wersja | Biblioteka | Wersja | Biblioteka | Wersja |
|---|---|---|---|---|---|
| absl-py | 1.0.0 | argon2-cffi | 20.1.0 | Astor | 0.8.1 |
| astunparse | 1.6.3 | asynchroniczny generator | 1.10 | attrs | 21.2.0 |
| azure-core | 1.22.1 | azure-cosmos | 4.2.0 | "backcall" (zwrotne wywołanie) | 0.2.0 |
| backports.entry-points-selectable | 1.1.1 | bcrypt | 4.0.0 | czarny | 22.3.0 |
| wybielacz | 4.0.0 | blis | 0.7.8 | boto3 | 1.21.18 |
| botocore | 1.24.18 | cachetools | 5.2.0 | katalog | 2.0.8 |
| certifi | 2021.10.8 | cffi | 1.14.6 | chardet | 4.0.0 |
| charset-normalizer | 2.0.4 | kliknięcie | 8.0.3 | cloudpickle | 2.0.0 |
| cmdstanpy | 0.9.68 | wyrób cukierniczy | 0.0.1 | configparser | 5.2.0 |
| konwertuj datę | 2.4.0 | kryptografia | 3.4.8 | rowerzysta | 0.10.0 |
| cymem | 2.0.6 | Cython | 0.29.24 | databricks-automl-runtime | 0.2.11 |
| databricks-cli | 0.17.3 | dbl-tempo | 0.1.12 | dbus-python | 1.2.16 |
| debugpy | 1.4.1 | dekorator | 5.1.0 | defusedxml | 0.7.1 |
| koper | 0.3.4 | diskcache | 5.4.0 | distlib | 0.3.6 |
| punkty wejścia | 0,3 | efem | 4.1.3 | aspekty — omówienie | 1.0.0 |
| fasttext | 0.9.2 | filelock | 3.3.1 | Flask | 1.1.2 |
| flatbuffers | 1.12 | fsspec | 2021.8.1 | przyszłość | 0.18.2 |
| gość | 0.4.0 | gitdb | 4.0.9 | GitPython | 3.1.27 |
| google-auth (uwierzytelnianie Google) | 2.6.0 | google-auth-oauthlib | 0.4.6 | makaron google | 0.2.0 |
| grpcio | 1.44.0 | gunicorn | 20.1.0 | gviz-api | 1.10.0 |
| h5py | 3.3.0 | Konwerter hidżra | 2.2.4 | wakacje | 0,15 |
| horovod | 0.25.0 | htmlmin | 0.1.12 | huggingface-hub | 0.9.1 |
| idna | 3.2 | ImageHash | 4.3.0 | niezrównoważona nauka | 0.8.1 |
| importlib-metadata | 4.8.1 | ipykernel | 6.12.1 | ipython | 7.32.0 |
| ipython-genutils | 0.2.0 | ipywidgets | 7.7.0 | isodate | 0.6.1 |
| jegodangerous | 2.0.1 | jedi | 0.18.0 | Jinja2 | 2.11.3 |
| jmespath | 0.10.0 | joblib | 1.0.1 | joblibspark | 0.5.0 |
| jsonschema | 3.2.0 | jupyter-client | 6.1.12 | jupyter-core | 4.8.1 |
| jupyterlab-pygments | 0.1.2 | jupyterlab-widgets | 1.0.0 | keras | 2.9.0 |
| Przetwarzanie wstępne Keras | 1.1.2 | kiwisolver | 1.3.1 | koreański kalendarz księżycowy | 0.3.1 |
| kody językowe | 3.3.0 | libclang | 14.0.6 | lightgbm | 3.3.2 |
| llvmlite | 0.37.0 | Księżycowy Kalendarz | 0.0.9 | Mako | 1.2.0 |
| Markdown | 3.3.6 | MarkupSafe | 2.0.1 | matplotlib | 3.4.3 |
| moduł matplotlib-inline | 0.1.2 | missingno | 0.5.1 | rozstrajać | 0.8.4 |
| mleap | 0.20.0 | mlflow-skinny | 1.29.0 | wielometodowy | 1,9 |
| MurmurHash | 1.0.8 | mypy-extensions | 0.4.3 | nbclient | 0.5.3 |
| nbconvert | 6.1.0 | nbformat | 5.1.3 | nest-asyncio | 1.5.1 |
| networkx | 2.6.3 | nltk | 3.6.5 | notatnik | 6.4.5 |
| numba | 0.54.1 | numpy | 1.20.3 | oauthlib | 3.2.0 |
| opt-einsum | 3.3.0 | opakowanie | 21,0 | Pandas | 1.3.4 |
| pandas-profiling (moduł profilowania) | 3.1.0 | pandocfilters | 1.4.3 | paramiko | 2.9.2 |
| parso | 0.8.2 | specyfikacja ścieżki | 0.9.0 | patia | 0.6.2 |
| frajer | 0.5.2 | petastorm | 0.11.4 | pexpect | 4.8.0 |
| phik | 0.12.2 | pickleshare | 0.7.5 | Poduszka | 8.4.0 |
| pip | 21.2.4 | platformdirs | 2.5.2 | kreślenie | 5.9.0 |
| pmdarima | 1.8.5 | preshed | 3.0.7 | prometheus-client | 0.11.0 |
| prompt-toolkit | 3.0.20 | prorok | 1.0.1 | protobuf | 3.19.4 |
| psutil | 5.8.0 | psycopg2 | 2.9.3 | ptyprocess | 0.7.0 |
| pyarrow | 7.0.0 | pyasn1 | 0.4.8 | pyasn1-modules | 0.2.8 |
| pybind11 | 2.10.0 | pycparser | 2,20 | pydantic | 1.9.2 |
| Pygments | 2.10.0 | PyGObject | 3.36.0 | PyJWT | 2.5.0 |
| PyMeeus | 0.5.11 | PyNaCl | 1.5.0 | pyodbc | 4.0.31 |
| pyparsing | 3.0.4 | pyrsistent | 0.18.0 | pystan | 2.19.1.1 |
| python-dateutil | 2.8.2 | Python-editor | 1.0.4 | pytz | 2021.3 |
| PyWavelets | 1.1.1 | PyYAML | 6.0 | pyzmq | 22.2.1 |
| regex | 2021.8.3 | żądania | 2.26.0 | requests-oauthlib | 1.3.1 |
| requests-unixsocket | 0.2.0 | rsa | 4.9 | s3transfer | 0.5.2 |
| scikit-learn | 0.24.2 | scipy | 1.7.1 | seaborn | 0.11.3 |
| Send2Trash | 1.8.0 | setuptools | 58.0.4 | setuptools-git | 1.2 |
| Shap | 0.41.0 | simplejson | 3.17.6 | Sześć | 1.16.0 |
| krajalnica | 0.0.7 | inteligentne otwieranie | 5.2.1 | smmap | 5.0.0 |
| przestronny | 3.4.1 | spacy-legacy | 3.0.10 | spacy-loggers | 1.0.3 |
| spark-tensorflow-distributor | 1.0.0 | sqlparse | 0.4.2 | serio | 2.4.4 |
| ssh-import-id | 5.10 | statsmodels | 0.12.2 | tabelować | 0.8.9 |
| splątane w unicode | 0.1.0 | Wytrzymałość | 8.0.1 | TensorBoard | 2.9.1 |
| tensorboard-data-server | 0.6.1 | tensorboard-plugin-profile | 2.8.0 | tensorboard-plugin-wit | 1.8.1 |
| tensorflow-cpu | 2.9.1 | oszacowujący TensorFlow | 2.9.0 | tensorflow-io-gcs-filesystem | 0.27.0 |
| termcolor | 2.0.1 | zakończony | 0.9.4 | ścieżka testowa | 0.5.0 |
| cienki | 8.1.2 | threadpoolctl | 2.2.0 | tokenize-rt | 4.2.1 |
| tokenizatory | 0.12.1 | tomli | 2.0.1 | pochodnia | 1.12.1+ procesor |
| torchvision | 0.13.1+ procesor | tornado | 6.1 | tqdm | 4.62.3 |
| traitlets | 5.1.0 | Transformatory | 4.21.2 | typer | 0.4.2 |
| wpisywanie rozszerzeń | 3.10.0.2 | ujson | 4.0.2 | nienadzorowane uaktualnienia | 0.1 |
| urllib3 | 1.26.7 | virtualenv | 20.8.0 | Wizje | 0.7.4 |
| wasabi (japoński chrzan) | 0.10.1 | wcwidth | 0.2.5 | webencodings | 0.5.1 |
| klient websocket | 1.3.1 | Werkzeug | 2.0.2 | koło | 0.37.0 |
| widgetsnbextension | 3.6.0 | zawinięty | 1.12.1 | xgboost | 1.6.2 |
| zipp | 3.6.0 |
Biblioteki języka Python w klastrach gpu
| Biblioteka | Wersja | Biblioteka | Wersja | Biblioteka | Wersja |
|---|---|---|---|---|---|
| absl-py | 1.0.0 | argon2-cffi | 20.1.0 | Astor | 0.8.1 |
| astunparse | 1.6.3 | asynchroniczny generator | 1.10 | attrs | 21.2.0 |
| azure-core | 1.22.1 | azure-cosmos | 4.2.0 | Brak wyraźnego polskiego odpowiednika dla "backcall". W przypadku braku odpowiedniego tłumaczenia lub jeśli termin ten jest powszechnie znany w dziedzinie technicznej, warto rozważyć pozostawienie go bez zmian. | 0.2.0 |
| backports.entry-points-selectable | 1.1.1 | bcrypt | 4.0.0 | czarny | 22.3.0 |
| wybielacz | 4.0.0 | blis | 0.7.8 | boto3 | 1.21.18 |
| botocore | 1.24.18 | cachetools | 5.2.0 | katalog | 2.0.8 |
| certyfikat | 2021.10.8 | cffi | 1.14.6 | chardet | 4.0.0 |
| charset-normalizer | 2.0.4 | kliknięcie | 8.0.3 | cloudpickle | 2.0.0 |
| cmdstanpy | 0.9.68 | cukierek | 0.0.1 | configparser | 5.2.0 |
| konwertujdatę | 2.4.0 | kryptografia | 3.4.8 | rowerzysta | 0.10.0 |
| cymem | 2.0.6 | Cython | 0.29.24 | databricks-automl-runtime | 0.2.11 |
| databricks-cli | 0.17.3 | dbl-tempo | 0.1.12 | dbus-python | 1.2.16 |
| debugpy | 1.4.1 | dekorator | 5.1.0 | defusedxml | 0.7.1 |
| koper | 0.3.4 | diskcache | 5.4.0 | distlib | 0.3.6 |
| punkty wejścia | 0.3 | efem | 4.1.3 | aspekty — omówienie | 1.0.0 |
| fasttext | 0.9.2 | filelock | 3.3.1 | Flask | 1.1.2 |
| flatbuffers | 1.12 | fsspec | 2021.8.1 | przyszłość | 0.18.2 |
| Gast | 0.4.0 | gitdb | 4.0.9 | GitPython | 3.1.27 |
| google-auth (usługa uwierzytelniania Google) | 2.6.0 | google-auth-oauthlib | 0.4.6 | Google-pasta | 0.2.0 |
| grpcio | 1.44.0 | gunicorn | 20.1.0 | gviz-api | 1.10.0 |
| h5py | 3.3.0 | konwerter hidżra | 2.2.4 | wakacje | 0,15 |
| horovod | 0.25.0 | htmlmin | 0.1.12 | Huggingface Hub | 0.9.1 |
| idna | 3.2 | ImageHash | 4.3.0 | niezrównoważona nauka | 0.8.1 |
| importlib-metadata | 4.8.1 | ipykernel | 6.12.1 | ipython | 7.32.0 |
| ipython-genutils | 0.2.0 | ipywidgets | 7.7.0 | isodate | 0.6.1 |
| jegodangerous | 2.0.1 | Jedi | 0.18.0 | Jinja2 | 2.11.3 |
| jmespath | 0.10.0 | joblib | 1.0.1 | joblibspark | 0.5.0 |
| jsonschema | 3.2.0 | jupyter-client | 6.1.12 | jupyter-core | 4.8.1 |
| jupyterlab-pygments | 0.1.2 | jupyterlab-widgets | 1.0.0 | Keras | 2.9.0 |
| Przetwarzanie wstępne Keras | 1.1.2 | kiwisolver | 1.3.1 | koreański kalendarz księżycowy | 0.3.1 |
| kody językowe | 3.3.0 | libclang | 14.0.6 | lightgbm | 3.3.2 |
| llvmlite | 0.37.0 | Kalendarz Księżycowy | 0.0.9 | Mako | 1.2.0 |
| Markdown | 3.3.6 | MarkupSafe | 2.0.1 | matplotlib | 3.4.3 |
| matplotlib-inline | 0.1.2 | missingno | 0.5.1 | złe dostrojenie | 0.8.4 |
| mleap | 0.20.0 | mlflow-skinny | 1.29.0 | wielometoda | 1,9 |
| szmurhash | 1.0.8 | mypy-extensions | 0.4.3 | nbclient | 0.5.3 |
| nbconvert | 6.1.0 | nbformat | 5.1.3 | nest-asyncio | 1.5.1 |
| networkx | 2.6.3 | nltk | 3.6.5 | notatnik | 6.4.5 |
| numba | 0.54.1 | numpy | 1.20.3 | oauthlib | 3.2.0 |
| opt-einsum | 3.3.0 | opakowanie | 21,0 | Pandas | 1.3.4 |
| pandas-profiling | 3.1.0 | pandocfilters | 1.4.3 | paramiko | 2.9.2 |
| parso | 0.8.2 | pathspec | 0.9.0 | -patia | 0.6.2 |
| Frajer | 0.5.2 | petastorm | 0.11.4 | pexpect | 4.8.0 |
| phik | 0.12.2 | pickleshare | 0.7.5 | Poduszka | 8.4.0 |
| pip | 21.2.4 | platformdirs | 2.5.2 | kreślenie | 5.9.0 |
| pmdarima | 1.8.5 | preshed | 3.0.7 | prompt-toolkit | 3.0.20 |
| prorok | 1.0.1 | protobuf | 3.19.4 | psutil | 5.8.0 |
| psycopg2 | 2.9.3 | ptyprocess | 0.7.0 | pyarrow | 7.0.0 |
| pyasn1 | 0.4.8 | pyasn1-modules | 0.2.8 | pybind11 | 2.10.0 |
| Pycparser | 2,20 | pydantic | 1.9.2 | Pygments | 2.10.0 |
| PyGObject | 3.36.0 | PyJWT | 2.5.0 | PyMeeus | 0.5.11 |
| PyNaCl | 1.5.0 | pyodbc | 4.0.31 | pyparsing | 3.0.4 |
| pyrsistent | 0.18.0 | pystan | 2.19.1.1 | python-dateutil | 2.8.2 |
| Python-editor | 1.0.4 | pytz | 2021.3 | PyWavelets | 1.1.1 |
| PyYAML | 6.0 | pyzmq | 22.2.1 | regex | 2021.8.3 |
| żądania | 2.26.0 | requests-oauthlib | 1.3.1 | requests-unixsocket | 0.2.0 |
| rsa | 4.9 | s3transfer | 0.5.2 | scikit-learn | 0.24.2 |
| scipy | 1.7.1 | seaborn | 0.11.3 | Send2Trash | 1.8.0 |
| setuptools | 58.0.4 | setuptools-git (narzędzie do zarządzania projektami Git) | 1.2 | Shap | 0.41.0 |
| simplejson | 3.17.6 | Sześć | 1.16.0 | krajalnica | 0.0.7 |
| smart-open | 5.2.1 | smmap | 5.0.0 | przestronny | 3.4.1 |
| spacy-legacy | 3.0.10 | spacy-loggers | 1.0.3 | spark-tensorflow-distributor | 1.0.0 |
| sqlparse | 0.4.2 | serio | 2.4.4 | ssh-import-id | 5.10 |
| statsmodels | 0.12.2 | sporządzać tabelę | 0.8.9 | splątane-w-unicode | 0.1.0 |
| Wytrzymałość | 8.0.1 | tablica tensorboard | 2.9.1 | tensorboard-data-server | 0.6.1 |
| wtyczka do profilowania TensorBoard | 2.8.0 | tensorboard-plugin-wit | 1.8.1 | tensorflow | 2.9.1 |
| tensorflow-estimator | 2.9.0 | tensorflow-io-gcs-filesystem | 0.27.0 | termcolor | 2.0.1 |
| zakończony | 0.9.4 | ścieżka testowa | 0.5.0 | cienki | 8.1.2 |
| threadpoolctl | 2.2.0 | tokenize-rt | 4.2.1 | tokenizatory | 0.12.1 |
| tomli | 2.0.1 | pochodnia | 1.12.1+cu113 | torchvision | 0.13.1+cu113 |
| tornado | 6.1 | tqdm | 4.62.3 | traitlets | 5.1.0 |
| Transformatory | 4.21.2 | pisarz | 0.4.2 | wpisywanie rozszerzeń | 3.10.0.2 |
| ujson | 4.0.2 | nienadzorowane uaktualnienia | 0.1 | urllib3 | 1.26.7 |
| virtualenv | 20.8.0 | Wizje | 0.7.4 | wasabi | 0.10.1 |
| wcwidth | 0.2.5 | webencodings | 0.5.1 | websocket-client | 1.3.1 |
| Werkzeug | 2.0.2 | koło | 0.37.0 | widgetsnbextension | 3.6.0 |
| owiany | 1.12.1 | xgboost | 1.6.2 | zipp | 3.6.0 |
Biblioteki R
Biblioteki języka R są identyczne z bibliotekami języka R w środowisku Databricks Runtime 11.3 LTS.
Biblioteki Java i Scala (klaster Scala 2.12)
Oprócz bibliotek Java i Scala w środowisku Databricks Runtime 11.3 LTS środowisko Databricks Runtime 11.3 LTS ML zawiera następujące jednostki JAR:
Klastry procesora CPU
| Identyfikator grupy | Identyfikator artefaktu | Wersja |
|---|---|---|
| com.typesafe.akka | akka-actor_2.12 | 2.5.23 |
| ml.combust.mleap | mleap-databricks-runtime_2.12 | v0.20.0-db1 |
| ml.dmlc | xgboost4j-spark_2.12 | 1.6.2 |
| ml.dmlc | xgboost4j_2.12 | 1.6.2 |
| org.graphframes | graphframes_2.12 | 0.8.2-db1-spark3.2 |
| org.mlflow | mlflow-client | 1.29.0 |
| org.scala-lang.modules | scala-java8-compat_2.12 | 0.8.0 |
| org.tensorflow | spark-tensorflow-connector_2.12 | 1.15.0 |
Klastry procesora GPU
| Identyfikator grupy | Identyfikator artefaktu | Wersja |
|---|---|---|
| com.typesafe.akka | akka-actor_2.12 | 2.5.23 |
| ml.combust.mleap | mleap-databricks-runtime_2.12 | v0.20.0-db1 |
| ml.dmlc | xgboost4j-gpu_2.12 | 1.6.2 |
| ml.dmlc | xgboost4j-spark-gpu_2.12 | 1.6.2 |
| org.graphframes | graphframes_2.12 | 0.8.2-db1-spark3.2 |
| org.mlflow | mlflow-client | 1.29.0 |
| org.scala-lang.modules | scala-java8-compat_2.12 | 0.8.0 |
| org.tensorflow | spark-tensorflow-connector_2.12 | 1.15.0 |