Databricks Runtime 15.4 LTS für Machine Learning

Databricks Runtime 15.4 LTS für Machine Learning bietet eine sofort einsatzbereite Umgebung für maschinelles Lernen und Data Science basierend auf Databricks Runtime 15.4 LTS. Databricks Runtime ML enthält viele beliebte Machine Learning-Bibliotheken, einschließlich TensorFlow, PyTorch und XGBoost. Databricks Runtime ML enthält AutoML, ein Tool zum automatischen Trainieren von Machine Learning-Pipelines. Datenbausteine Runtime ML unterstützt auch verteiltes Deep Learning Training mit TorchDistributor.

Hinweis

LTSC bedeutet, dass diese Version unter Langzeit-Support steht. Weitere Informationen finden Sie unter Databricks Runtime LTS-Versionslebenszyklus.

Tipp

Versionshinweise zu Databricks Runtime-Versionen, die das Supportende (End of Support, EoS) erreicht haben, finden Sie unter Databricks Runtime-Versionshinweise zum Supportende. Die EoS Datenbausteine Runtime-Versionen wurden stillgelegt und werden möglicherweise nicht mehr aktualisiert.

Neue Features und Verbesserungen

Databricks Runtime 15.4 ML basiert auf Databricks Runtime 15.4 LTS. Informationen zu den Neuerungen in Databricks Runtime 15.4 LTS, einschließlich Apache Spark MLlib und SparkR, finden Sie in den Anmerkungen zur Databricks Runtime 15.4 LTS .

AutoML-Beispielgewichte für die Klassifizierung

AutoML now supports Beispiel weights for classification, letting Sie adjust the importance of each Klasse during classification model training. Weitere Informationen finden Sie in der Klassifizierungsparameter für die AutoML-Python-API.

Änderungen am Datenbausteine Feature Engineering Client

Die Version databricks-feature-engineering, die mit Databricks Runtime 15.4 LTS ML ausgeliefert wurde, ist 0.6.0.

• Für Berechnungen, die am oder nach dem 31. März 2025 erstellt werden und nicht für Photon aktiviert sind, ist die installierte Version von databricks-feature-engineering 0.8.0.
• Für die Berechnung, die am oder nach dem 21. Juli 2025 erstellt wurde, die für Photon aktiviert ist oder arm64-basierte CPU verwendet, ist die installierte Version von databricks-feature-engineering 0.8.0.

Informationen zu den Neuerungen in der Databricks Feature Engineering Python-API finden Sie in den Anmerkungen zur Version des Feature Engineering-Clients.

Weitere Änderungen

Petastorm ist jetzt veraltet

Das Petastorm-Paket ist jetzt veraltet. Bei Versionen nach 15.4 LTS ML ist dieses Paket nicht vorinstalliert. Mosaik-Streaming ist der empfohlene Ersatz für das Laden großer Datensätze aus dem Cloud-Speicher.

Spark Tensorflow Verteiler ist jetzt veraltet

Das spark-tensorflow-distributor Paket ist jetzt veraltet. Bei Versionen nach 15.4 LTS ML ist dieses Paket nicht vorinstalliert. Strahl auf Datenbausteinen ist der empfohlene Ersatz für Verteiltes Training eines Tensorflow- oder Keras-Modells.

Systemumgebung

Die Systemumgebung in Databricks Runtime 15.4 LTS ML unterscheidet sich wie folgt von Databricks Runtime 15.4 LTS:

• Für GPU-Cluster umfasst Databricks Runtime ML die folgenden NVIDIA-GPU-Bibliotheken:
  • CUDA 12.1
  • cusolver 11.4.5.107-1
  • Cupti 12.1
  • cuDNN 8.9.0.131-1
  • NCCL 2.17.1
  • TensorRT 8.6.1.6-1

Bibliotheken

In den folgenden Abschnitten sind die Bibliotheken aufgelistet, die in Databricks Runtime 15.4 LTS ML enthalten sind und sich von den in Databricks Runtime 15.4 LTS enthaltenen Bibliotheken unterscheiden.

Inhalt dieses Abschnitts:

• Top-Tier-Bibliotheken
• Python-Bibliotheken
• R-Bibliotheken
• Java- und Scala-Bibliotheken (Scala 2.12-Cluster)

Bibliotheken der obersten Ebene

Databricks Runtime 15.4 LTS ML enthält die folgenden Bibliotheken der obersten Ebene:

• Dateien
• GraphFrames
• MLflow
• PyTorch
• Spark-Tensorflow-Verbinder
• Scikit-learn
• TensorFlow
• TensorBoard
• Transformatoren

Python-Bibliotheken

Databricks Runtime 15.4 LTS ML verwendet virtualenv für die Python-Paketverwaltung und enthält viele beliebte ML-Pakete.

Zusätzlich zu den Paketen, die in den folgenden Abschnitten aufgeführt sind, umfasst Databricks Runtime 15.4 LTS ML auch die folgenden Pakete:

• hyperopt 0.2.7+db3
• sparkdl 3.0.0_db1
• automl 1.28.0

So reproduzieren Sie die Datenbausteine Runtime ML Python-Umgebung in Ihrer lokalen virtuellen Python-Umgebung:

1. Laden Sie die entsprechende requirements.txt Datei herunter. Siehe requirements.txt Dateiversionen für Databricks Runtime 15.4 LTS ML.

2. Auf Ubuntu-Systemen, Ausführung sudo apt-get install libpq-dev libcairo2-dev libdbus-1-dev libgirepository1.0-dev libsnappy-dev Systembibliotheken zu installieren.

3. Führen Sie pip install -r requirements-<version>.txt> --extra-index-url https://download.pytorch.org/whl/cpu aus. Beispiel: pip install -r requirements-15.4-v3.txt --extra-index-url https://download.pytorch.org/whl/cpu.

   Dieser Befehl installiert alle Öffnen Sie-Source-Bibliotheken, die Datenbausteine Runtime ML verwendet, aber keine von Datenbausteine entwickelten Bibliotheken, wie z.B. databricks-automloder den Datenbausteine-Zweig von hyperopt or horovod.

requirements.txt Dateiversionen für Databricks Runtime 15.4 LTS ML

Einige Pakete wurden nach der ersten Version von Databricks Runtime 15.4 LTS ML aktualisiert. Verwenden Sie die folgende Tabelle, um die richtige requirements.txt Datei zu ermitteln und herunterzuladen.

Erstellungsdatum des Rechenvorgangs	Photonstatus	Pakete wurden nach der ersten Veröffentlichung von Databricks Runtime 15.4 LTS ML aktualisiert.	requirements.txt-Datei
Vor dem 11. Februar 2025	Beliebig	Nichts	requirements-15.4.txt
Zwischen dem 12. Februar 2025 und dem 30. März 2025	Für Photon nicht aktiviert	mlflow-skinny 2.19.0	requirements-15.4-v2.txt
Zwischen dem 31. März 2025 und dem 20. Juli 2025	Für Photon nicht aktiviert	mlflow-skinny 2.19.0 databricks-feature-engineering 0.8.0	requirements-15.4-v3.txt
Am oder nach dem 21. Juli 2025	Aktiviert für Photon oder verwendet Arm64-basierte CPU	mlflow-skinny 2.19.0 databricks-feature-engineering 0.8.0 ray 2.37.0	requirements-15.4-v4.txt

Python-Bibliotheken für CPU-Cluster

Bibliothek	Version	Bibliothek	Version	Bibliothek	Version
absl-py	1.0.0	beschleunigen	0.31.0	aiohttp	3.8.5
aiohttp-cors	0.7.0	aiosignal	1.2.0	anyio	3.5.0
argon2-cffi	21.3.0	argon2-cffi-bindings	21.2.0	astor	0.8.1
asttokens	2.0.5	astunparse	1.6.3	async-timeout	4.0.2
attrs	22.1.0	audioread	3.0.1	azure-core	1.30.2
Azure-Cosmos	4.3.1	Azure-Identity	1.17.1	azure-storage-blob	12.19.1
azure-storage-file-datalake	12.14.0	Rückruf	0.2.0	bcrypt	3.2.0
beautifulsoup4	4.12.2	schwarz	23.3.0	Bleichmittel	4.1.0
Blinker	1.4	blis	0.7.11	boto3	1.34.39
botocore	1.34.39	Brotli	1.0.9	CacheWerkzeuge	5.4.0
Katalog	2.0.10	category-encoders	2.6.3	certifi	2023.7.22
cffi	1.15.1	chardet	4.0.0	Charset-Normalizer	2.0.4
circuitbreaker	1.4.0	click	8.0.4	cloudpathlib	0.16.0
cloudpickle	2.2.1	cmdstanpy	1.2.2	bunt	0.5.6
comm	0.1.2	confection	0.1.4	configparser	5.2.0
contourpy	1.0.5	Kryptographie	41.0.3	Fahrradfahrer	0.11.0
cymem	2.0.8	Cython	0.29.32	dacite	1.8.1
databricks-automl-runtime	0.2.21	databricks-Funktion-engineering*	0.6.0	Databricks-SDK	0.20.0
dataclasses-json	0.6.7	Datensätze	2.19.1	dbl-tempo	0.1.26
dbus-python	1.2.18	debugpy	1.6.7	Dekorateur	5.1.1
deepspeed	0.14.4	defusedxml	0.7.1	Veraltet	1.2.14
dill	0.3.6	Festplatten-Cache	5.6.3	distlib	0.3.8
dm-Baum	0.1.8	Einstiegspunkte	0.4	Evaluieren	0.4.2
executing	0.8.3	Übersicht der Facetten	1.1.1	Farama-Benachrichtigungen	0.0.4
fastjsonschema	2.20.0	fasttext	0.9.2	Dateisperrung	3.13.4
Flask	2.2.5	FlatBuffers	24.3.25	fonttools	4.25.0
eingefrorene Liste	1.3.3	fsspec	2023.5.0	Zukunft	0.18.3
gast	0.4.0	gitdb	4.0.11	GitPython	3.1.27
google-api-core	2.18.0	google-auth	2.21.0	google-auth-oauthlib	1.0.0
google-cloud-core	2.4.1	Google Cloud-Speicher	2.10.0	google-crc32c	1.5.0
Google-Pasta	0.2.0	google-resumable-media	2.7.1	googleapis-common-protos	1.63.0
greenlet	2.0.1	grpcio	1.60.0	grpcio-status	1.60.0
gunicorn	20.1.0	gviz-api	1.10.0	Gymnasium	0.28.1
h11	0.14.0	h5py	3.10.0	hjson	3.1.0
Feiertage	0.45	horovod	0.28.1+db1	htmlmin	0.1.12
httpcore	1.0.5	httplib2	0.20.2	httpx	0.27.0
huggingface-hub	0.23.4	idna	3.4	ImageHash	4.3.1
imageio	2.31.1	imbalanced-learn	0.11.0	importlib-metadata	6.0.0
importlib_resources	6.4.0	ipyflow-core	0.0.198	ipykernel	6.25.1
ipython	8.15.0	ipython-genutils	0.2.0	ipywidgets	7.7.2
isodate	0.6.1	es ist gefährlich	2.0.1	jax-jumpy	1.0.0
Jedi	0.18.1	jeepney	0.7.1	Jinja2	3.1.2
jmespath	0.10.0	joblib	1.2.0	joblibspark	0.5.1
jsonpatch	1.33	jsonpointer	3.0.0	jsonschema	4.17.3
Jupyter-Server	1.23.4	jupyter_client	7.4.9	jupyter_core	5.3.0
jupyterlab-pygments	0.1.2	keras	3.2.1	Schlüsselring	23.5.0
kiwisolver	1.4.4	langchain	0.1.20	langchain-Gemeinschaft	0.0.38
langchain-core	0.1.52	langchain-text-splitters	0.0.2	langcodes	3.4.0
langsmith	0.1.63	Sprachdaten	1.2.0	launchpadlib	1.10.16
lazr.restfulclient	0.14.4	lazr.uri	1.0.6	lazy_loader	0.2
libclang	15.0.6.1	librosa	0.10.1	lightgbm	4.3.0
linkify-it-py	2.0.0	llvmlite	0.40.0	lxml	4.9.2
lz4	4.3.2	Mako	1.2.0	marisa-trie	1.1.1
Markdown	3.4.1	markdown-it-py	2.2.0	MarkupSafe	2.1.1
marshmallow	3.21.2	matplotlib	3.7.2	matplotlib-inline	0.1.6
mdit-py-plugins	0.3.0	mdurl	0.1.0	memray	1.13.3
mistune	0.8.4	ml-dtypes	0.3.2	mlflow-skinny*	2.13.1
more-itertools	8.10.0	mosaicml-streaming	0.7.4	mpmath	1.3.0
msal	1.29.0	msal-extensions	1.2.0	msgpack	1.0.8
multidict	6.0.2	multimethod	1.12	Multiprozessor	0.70.14
murmurhash	1.0.10	mypy-Erweiterungen	0.4.3	namex	0.0.8
nbclassic	0.5.5	nbclient	0.5.13	nbconvert	6.5.4
nbformat	5.7.0	nest-asyncio	1.5.6	networkx	3.1
ninja	1.11.1.1	nltk	3.8.1	Notebook	6.5.4
notebook_shim	0.2.2	numba	0.57.1	numpy	1.23.5
nvidia-ml-py	12.555.43	oauthlib	3.2.0	oci	2.126.4
openai	1.35.3	opencensus	0.11.4	opencensus-Kontext	0.1.3
opentelemetry-api	1.25.0	opentelemetry-sdk	1.25.0	opentelemetry-semantic-conventions	0.46b0
opt-einsum	3.3.0	optree	0.12.1	orjson	3.10.6
Verpackung	23.2	pandas	1.5.3	pandocfilters	1.5.0
paramiko	3.4.0	parso	0.8.3	pathspec	0.10.3
patsy	0.5.3	petastorm	0.12.1	pexpect	4.8.0
phik	0.12.4	pickleshare	0.7.5	Kissen	9.4.0
pip	23.2.1	platformdirs	3.10.0	plotly	5.9.0
pmdarima	2.0.4	Hündchen	1.8.1	portalocker	2.10.1
preshed	3.0.9	prometheus-client	0.14.1	prompt-toolkit	3.0.36
prophet	1.1.5	proto-plus	1.24.0	protobuf	4.24.1
psutil	5.9.0	psycopg2	2.9.3	ptyprocess	0.7.0
pure-eval	0.2.2	py-cpuinfo	8.0.0	py-spy	0.3.14
pyarrow	14.0.1	pyarrow-hotfix	0.6	Pyasn1	0.4.8
Pyasn1-Module	0.2.8	pybind11	2.13.1	pyccolo	0.0.52
pycparser	2.21	pydantic	1.10.6	Pygments	2.15.1
PyGObject	3.42.1	PyJWT	2.3.0	PyNaCl	1.5.0
pyodbc	4.0.38	pyOpenSSL	23.2.0	pyparsing	3.0.9
pyrsistent	0.18.0	pytesseract	0.3.10	Python-dateutil	2.8.2
python-editor	1.0.4	python-lsp-jsonrpc	1.1.1	python-snappy	0.6.1
pytz	2022.7	PyWavelets	1.4.1	PyYAML	6.0
pyzmq	23.2.0	ray*	2.20.0	regex	2022.7.9
requests	2.31.0	requests-oauthlib	1.3.1	rich	13.7.1
rsa	4.9	s3Übertragung	0.10.2	safetensors	0.4.2
scikit-image	0.20.0	scikit-learn	1.3.0	scipy	1.11.1
Seegeboren	0.12.2	SecretStorage	3.3.1	Send2Trash	1.8.0
Satztransformatoren	2.7.0	sentencepiece	0.1.99	setuptools	68.0.0
shap	0.44.0	simplejson	3.17.6	six	1.16.0
slicer	0.0.7	smart-open	5.2.1	smmap	5.0.0
sniffio	1.2.0	Sounddatei	0.12.1	soupsieve	2.4
soxr	0.3.7	spacy	3.7.2	spacy-legacy	3.0.12
spacy-loggers	1.0.5	spark-tensorflow-distributor	1.0.0	SQLAlchemy	1.4.39
sqlparse	0.4.2	srsly	2.4.8	ssh-import-id	5.11
Stapeldaten	0.2.0	stanio	0.5.1	StatistikModelle	0.14.0
sympy	1.11.1	tangled-up-in-unicode	0.2.0	Hartnäckigkeit	8.2.2
tensorboard	2.16.2	tensorboard-data-server	0.7.2	tensorboard_plugin_profile	2.15.1
tensorboardX	2.6.2.2	TensorFlow	2.16.1	tensorflow-estimator	2.15.0
tensorflow-io-gcs-filesystem	0.37.1	termcolor	2.4.0	terminado	0.17.1
textual	0.63.3	tf_keras	2.16.0	thinc	8.2.3
threadpoolctl	2.2.0	tifffile	2021.7.2	tiktoken	0.5.2
tinycss2	1.2.1	tokenize-rt	4.2.1	tokenizers	0.19.0
Fackel	2.3.1+cpu	torcheval	0.0.7	torchvision	0.18.1+cpu
Tornado	6.3.2	tqdm	4.65.0	traitlets	5.7.1
Transformatoren	4.41.2	typeguard	2.13.3	typer	0.9.4
typing-inspect	0.9.0	typing_extensions	4.10.0	tzdata	2022.1
uc-micro-py	1.0.1	ujson	5.4.0	unbeaufsichtigte Aktualisierungen	0.1
urllib3	1.26.16	virtualenv	20.24.2	visions	0.7.5
wadllib	1.3.6	wasabi	1.1.2	wcwidth	0.2.5
weasel	0.3.4	Webkodierungen	0.5.1	WebSocket-Client	0.58.0
Werkzeug	2.2.3	Rad	0.38.4	wordcloud	1.9.3
Eingehüllt	1.14.1	xgboost	2.0.3	xxhash	3.4.1
yarl	1.8.1	ydata-profiling	4.5.1	zipp	3.11.0
zstd	1.5.5.1

Für Berechnungen, die am oder nach dem 12. Februar 2025 erstellt wurden und für Photon nicht aktiviert sind, wird mlflow-skinny auf 2.19.0 aktualisiert. Für Rechenleistung, die am oder nach dem 21. Juli 2025 erstellt wurde und für Photon aktiviert ist oder Arm64-basierte CPU nutzt, wird mlflow-skinny auf 2.19.0 aktualisiert, ray auf 2.37.0 aktualisiert und databricks-feature-engineering auf 0.8.0 aktualisiert.

Python-Bibliotheken für GPU-Cluster

Bibliothek	Version	Bibliothek	Version	Bibliothek	Version
absl-py	1.0.0	beschleunigen	0.31.0	aiohttp	3.8.5
aiohttp-cors	0.7.0	aiosignal	1.2.0	anyio	3.5.0
argon2-cffi	21.3.0	argon2-cffi-bindings	21.2.0	astor	0.8.1
asttokens	2.0.5	astunparse	1.6.3	async-timeout	4.0.2
attrs	22.1.0	audioread	3.0.1	azure-core	1.30.2
Azure-Cosmos	4.3.1	Azure-Identity	1.17.1	azure-storage-blob	12.19.1
azure-storage-file-datalake	12.14.0	Rückruf	0.2.0	bcrypt	3.2.0
beautifulsoup4	4.12.2	schwarz	23.3.0	Bleichmittel	4.1.0
Blinker	1.4	blis	0.7.11	boto3	1.34.39
botocore	1.34.39	Brotli	1.0.9	CacheWerkzeuge	5.4.0
Katalog	2.0.10	category-encoders	2.6.3	certifi	2023.7.22
cffi	1.15.1	chardet	4.0.0	Charset-Normalizer	2.0.4
circuitbreaker	1.4.0	click	8.0.4	cloudpathlib	0.16.0
cloudpickle	2.2.1	cmdstanpy	1.2.2	bunt	0.5.6
comm	0.1.2	confection	0.1.4	configparser	5.2.0
contourpy	1.0.5	Kryptographie	41.0.3	Fahrradfahrer	0.11.0
cymem	2.0.8	Cython	0.29.32	dacite	1.8.1
databricks-automl-runtime	0.2.21	databricks-Funktion-engineering*	0.6.0	Databricks-SDK	0.20.0
dataclasses-json	0.6.7	Datensätze	2.19.1	dbl-tempo	0.1.26
dbus-python	1.2.18	debugpy	1.6.7	Dekorateur	5.1.1
deepspeed	0.14.4	defusedxml	0.7.1	Veraltet	1.2.14
dill	0.3.6	Festplatten-Cache	5.6.3	distlib	0.3.8
dm-Baum	0.1.8	einops	0.8.0	Einstiegspunkte	0.4
Evaluieren	0.4.2	executing	0.8.3	Übersicht der Facetten	1.1.1
Farama-Benachrichtigungen	0.0.4	fastjsonschema	2.20.0	fasttext	0.9.2
Dateisperrung	3.13.4	flash-attn	2.5.9.post1	Flask	2.2.5
FlatBuffers	24.3.25	fonttools	4.25.0	eingefrorene Liste	1.3.3
fsspec	2023.5.0	Zukunft	0.18.3	gast	0.4.0
gitdb	4.0.11	GitPython	3.1.27	google-api-core	2.18.0
google-auth	2.21.0	google-auth-oauthlib	1.0.0	google-cloud-core	2.4.1
Google Cloud-Speicher	2.10.0	google-crc32c	1.5.0	Google-Pasta	0.2.0
google-resumable-media	2.7.1	googleapis-common-protos	1.63.0	greenlet	2.0.1
grpcio	1.60.0	grpcio-status	1.60.0	gunicorn	20.1.0
gviz-api	1.10.0	Gymnasium	0.28.1	h11	0.14.0
h5py	3.10.0	hjson	3.1.0	Feiertage	0.45
horovod	0.28.1+db1	htmlmin	0.1.12	httpcore	1.0.5
httplib2	0.20.2	httpx	0.27.0	huggingface-hub	0.23.4
idna	3.4	ImageHash	4.3.1	imageio	2.31.1
imbalanced-learn	0.11.0	importlib-metadata	6.0.0	importlib_resources	6.4.0
ipyflow-core	0.0.198	ipykernel	6.25.1	ipython	8.15.0
ipython-genutils	0.2.0	ipywidgets	7.7.2	isodate	0.6.1
es ist gefährlich	2.0.1	jax-jumpy	1.0.0	Jedi	0.18.1
jeepney	0.7.1	Jinja2	3.1.2	jmespath	0.10.0
joblib	1.2.0	joblibspark	0.5.1	jsonpatch	1.33
jsonpointer	3.0.0	jsonschema	4.17.3	Jupyter-Server	1.23.4
jupyter_client	7.4.9	jupyter_core	5.3.0	jupyterlab-pygments	0.1.2
keras	3.2.1	Schlüsselring	23.5.0	kiwisolver	1.4.4
langchain	0.1.20	langchain-Gemeinschaft	0.0.38	langchain-core	0.1.52
langchain-text-splitters	0.0.2	langcodes	3.4.0	langsmith	0.1.63
Sprachdaten	1.2.0	launchpadlib	1.10.16	lazr.restfulclient	0.14.4
lazr.uri	1.0.6	lazy_loader	0.2	libclang	15.0.6.1
librosa	0.10.1	lightgbm	4.3.0	linkify-it-py	2.0.0
llvmlite	0.40.0	lxml	4.9.2	lz4	4.3.2
Mako	1.2.0	marisa-trie	1.1.1	Markdown	3.4.1
markdown-it-py	2.2.0	MarkupSafe	2.1.1	marshmallow	3.21.2
matplotlib	3.7.2	matplotlib-inline	0.1.6	mdit-py-plugins	0.3.0
mdurl	0.1.0	memray	1.13.4	mistune	0.8.4
ml-dtypes	0.3.2	mlflow-skinny*	2.13.1	more-itertools	8.10.0
mosaicml-streaming	0.7.4	mpmath	1.3.0	msal	1.30.0
msal-extensions	1.2.0	msgpack	1.0.8	multidict	6.0.2
multimethod	1.12	Multiprozessor	0.70.14	murmurhash	1.0.10
mypy-Erweiterungen	0.4.3	namex	0.0.8	nbclassic	0.5.5
nbclient	0.5.13	nbconvert	6.5.4	nbformat	5.7.0
nest-asyncio	1.5.6	networkx	3.1	ninja	1.11.1.1
nltk	3.8.1	Notebook	6.5.4	notebook_shim	0.2.2
numba	0.57.1	numpy	1.23.5	nvidia-cublas-cu12	12.1.3.1
nvidia-cuda-cupti-cu12	12.1.105	nvidia-cuda-nvrtc-cu12	12.1.105	nvidia-cuda-runtime-cu12	12.1.105
nvidia-cudnn-cu12	8.9.2.26	nvidia-cufft-cu12	11.0.2.54	nvidia-curand-cu12	10.3.2.106
nvidia-cusolver-cu12	11.4.5.107	nvidia-cusparse-cu12	12.1.0.106	nvidia-ml-py	12.555.43
nvidia-nccl-cu12	2.20.5	nvidia-nvjitlink-cu12	12.5.82	nvidia-nvtx-cu12	12.1.105
oauthlib	3.2.0	oci	2.126.4	openai	1.35.3
opencensus	0.11.4	opencensus-Kontext	0.1.3	opentelemetry-api	1.25.0
opentelemetry-sdk	1.25.0	opentelemetry-semantic-conventions	0.46b0	opt-einsum	3.3.0
optree	0.12.1	orjson	3.10.6	Verpackung	23.2
pandas	1.5.3	pandocfilters	1.5.0	paramiko	3.4.0
parso	0.8.3	pathspec	0.10.3	patsy	0.5.3
petastorm	0.12.1	pexpect	4.8.0	phik	0.12.4
pickleshare	0.7.5	Kissen	9.4.0	pip	23.2.1
platformdirs	3.10.0	plotly	5.9.0	pmdarima	2.0.4
Hündchen	1.8.1	portalocker	2.10.1	preshed	3.0.9
prometheus-client	0.14.1	prompt-toolkit	3.0.36	prophet	1.1.5
proto-plus	1.24.0	protobuf	4.24.1	psutil	5.9.0
psycopg2	2.9.3	ptyprocess	0.7.0	pure-eval	0.2.2
py-cpuinfo	8.0.0	py-spy	0.3.14	pyarrow	14.0.1
pyarrow-hotfix	0.6	Pyasn1	0.4.8	Pyasn1-Module	0.2.8
pybind11	2.13.1	pyccolo	0.0.52	pycparser	2.21
pydantic	1.10.6	Pygments	2.15.1	PyGObject	3.42.1
PyJWT	2.3.0	PyNaCl	1.5.0	pyodbc	4.0.38
pyOpenSSL	23.2.0	pyparsing	3.0.9	pyrsistent	0.18.0
pytesseract	0.3.10	Python-dateutil	2.8.2	python-editor	1.0.4
python-lsp-jsonrpc	1.1.1	python-snappy	0.6.1	pytz	2022.7
PyWavelets	1.4.1	PyYAML	6.0	pyzmq	23.2.0
ray*	2.20.0	regex	2022.7.9	requests	2.31.0
requests-oauthlib	1.3.1	rich	13.7.1	rsa	4.9
s3Übertragung	0.10.2	safetensors	0.4.2	scikit-image	0.20.0
scikit-learn	1.3.0	scipy	1.11.1	Seegeboren	0.12.2
SecretStorage	3.3.1	Send2Trash	1.8.0	Satztransformatoren	2.7.0
sentencepiece	0.1.99	setuptools	68.0.0	shap	0.44.0
simplejson	3.17.6	six	1.16.0	slicer	0.0.7
smart-open	5.2.1	smmap	5.0.0	sniffio	1.2.0
Sounddatei	0.12.1	soupsieve	2.4	soxr	0.3.7
spacy	3.7.2	spacy-legacy	3.0.12	spacy-loggers	1.0.5
spark-tensorflow-distributor	1.0.0	SQLAlchemy	1.4.39	sqlparse	0.4.2
srsly	2.4.8	ssh-import-id	5.11	Stapeldaten	0.2.0
stanio	0.5.1	StatistikModelle	0.14.0	sympy	1.11.1
tangled-up-in-unicode	0.2.0	Hartnäckigkeit	8.2.2	tensorboard	2.16.2
tensorboard-data-server	0.7.2	tensorboard_plugin_profile	2.15.1	tensorboardX	2.6.2.2
TensorFlow	2.16.1	tensorflow-estimator	2.15.0	tensorflow-io-gcs-filesystem	0.37.1
termcolor	2.4.0	terminado	0.17.1	textual	0.63.3
tf_keras	2.16.0	thinc	8.2.3	threadpoolctl	2.2.0
tifffile	2021.7.2	tiktoken	0.5.2	tinycss2	1.2.1
tokenize-rt	4.2.1	tokenizers	0.19.0	Fackel	2.3.1+cu121
torcheval	0.0.7	torchvision	0.18.1+cu121	Tornado	6.3.2
tqdm	4.65.0	traitlets	5.7.1	Transformatoren	4.41.2
triton	2.3.1	typeguard	2.13.3	typer	0.9.4
typing-inspect	0.9.0	typing_extensions	4.10.0	tzdata	2022.1
uc-micro-py	1.0.1	ujson	5.4.0	unbeaufsichtigte Aktualisierungen	0.1
urllib3	1.26.16	virtualenv	20.24.2	visions	0.7.5
wadllib	1.3.6	wasabi	1.1.2	wcwidth	0.2.5
weasel	0.3.4	Webkodierungen	0.5.1	WebSocket-Client	0.58.0
Werkzeug	2.2.3	Rad	0.38.4	wordcloud	1.9.3
Eingehüllt	1.14.1	xgboost	2.0.3	xxhash	3.4.1
yarl	1.8.1	ydata-profiling	4.5.1	zipp	3.11.0
zstd	1.5.5.1

Für Berechnungen, die am oder nach dem 12. Februar 2025 erstellt wurden und für Photon nicht aktiviert sind, wird mlflow-skinny auf 2.19.0 aktualisiert. Für Rechenleistung, die am oder nach dem 21. Juli 2025 erstellt wurde und für Photon aktiviert ist oder Arm64-basierte CPU nutzt, wird mlflow-skinny auf 2.19.0 aktualisiert, ray auf 2.37.0 aktualisiert und databricks-feature-engineering auf 0.8.0 aktualisiert.

R-Bibliotheken

Die R-Bibliotheken sind mit den R-Bibliotheken in Databricks Runtime 15.4 LTS identisch.

Java- und Scala-Bibliotheken (Scala 2.12-Cluster)

Zusätzlich zu Java- und Scala-Bibliotheken in Databricks Runtime 15.4 LTS enthält Databricks Runtime 15.4 LTS ML die folgenden JAR-Dateien:

CPU-Cluster

Gruppen-ID	Artefakt-ID	Version
com.typesafe.akka	akka-actor_2.12	2.5.23
ml.dmlc	xgboost4j-spark_2.12	1.7.3
ml.dmlc	xgboost4j_2.12	1.7.3
org.graphframes	graphframes_2.12	0.8.4-db1-spark3.5
org.mlflow	mlflow-client	2.11.1
org.scala-lang.modules	scala-java8-compat_2.12	0.8.0
org.tensorflow	spark-tensorflow-connector_2.12	1.15.0

GPU-Cluster

Gruppen-ID	Artefakt-ID	Version
com.typesafe.akka	akka-actor_2.12	2.5.23
ml.dmlc	xgboost4j-gpu_2.12	1.7.3
ml.dmlc	xgboost4j-spark-gpu_2.12	1.7.3
org.graphframes	graphframes_2.12	0.8.4-db1-spark3.5
org.mlflow	mlflow-client	2.11.1
org.scala-lang.modules	scala-java8-compat_2.12	0.8.0
org.tensorflow	spark-tensorflow-connector_2.12	1.15.0