Databricks Runtime 13.0 pour Machine Learning (EoS)
Remarque
La prise en charge de cette version databricks Runtime a pris fin. Pour connaître la date de fin de support, consultez l’historique de fin de support. Pour toutes les versions prises en charge de Databricks Runtime, consultez Notes de publication sur les versions et la compatibilité de Databricks Runtime.
Databricks Runtime 13.0 pour Machine Learning fournit un environnement prêt à l’emploi pour Machine Learning et la science des données basé sur Databricks Runtime 13.0 (EoS). Databricks Runtime ML contient de nombreuses bibliothèques populaires de Machine Learning, notamment TensorFlow, PyTorch et XGBoost. Databricks Runtime ML comprend AutoML, un outil permettant d’effectuer l’apprentissage automatique des pipelines Machine Learning. Databricks Runtime ML prend également en charge l'apprentissage profond distribué à l'aide d'Horovod.
Pour plus d’informations, notamment les instructions relatives à la création d’un groupement Databricks Runtime ML, consultez IA et apprentissage automatique sur Databricks.
Améliorations et nouvelles fonctionnalités
Databricks Runtime 13.0 ML est basé sur Databricks Runtime 13.0. Pour plus d’informations sur les nouveautés de Databricks Runtime 13.0, notamment Apache Spark MLlib et SparkR, consultez les notes de publication de Databricks Runtime 13.0 (EoS).
Modifications apportées à Mosaïque AutoML
Dans Databricks Runtime 13.0 ML et versions ultérieures, Mosaïque AutoML n’est pas pris en charge pour les espaces de travail avec la conformité FedRAMP .
Pour plus d’informations sur Mosaïque AutoML, consultez Qu’est-ce que Mosaïque AutoML ?.
Améliorations apportées à Databricks Feature Store
Dans les espaces de travail avec Unity Catalog sur un cluster exécutant Databricks Runtime 13.0 ML ou version ultérieure, vous pouvez publier des tables de fonctionnalités d’espace de travail et d’Unity Catalog dans des magasins en ligne Cosmos DB.
Pour plus d’informations sur le magasin de caractéristiques Databricks, consultez l’article Ingénierie de caractéristiques et mise en service.
Environnement du système
L'environnement système dans Databricks Runtime 13.0 ML diffère de celui de Databricks Runtime 13.0 comme suit :
- DBUtils : Databricks Runtime ML n’inclut pas l’Utilitaire de bibliothèque (dbutils.library) (hérité).
Utilisez les commandes
%pip
à la place. Consultez Bibliothèques Python délimitées à un notebook. - Pour les clusters GPU, Databricks Runtime ML inclut les bibliothèques GPU NVIDIA suivantes :
- CUDA 11.7
- cuDNN 8.5.0.96-1
- NCCL 2.15.1
- TensorRT 7.2.2
Databricks Runtime 13.0 ML inclut XGBoost 1.7.2, qui ne prend pas en charge les clusters GPU avec une capacité de calcul 5.2 et inférieure.
Le package miniconda a été supprimé de Databricks Runtime 13.0 ML.
Bibliothèques
Les sections suivantes répertorient les bibliothèques incluses dans Databricks Runtime 13.0 ML qui diffèrent de celles incluses dans Databricks Runtime 13.0.
Dans cette section :
- Bibliothèques de niveau supérieur
- Bibliothèques Python
- Bibliothèques R
- Bibliothèques Java et Scala (cluster Scala 2.12)
Bibliothèques de niveau supérieur
Databricks Runtime 13.0 ML inclut les bibliothèques de premier niveau suivantes :
- GraphFrames
- Horovod et HorovodRunner
- MLflow
- PyTorch
- spark-tensorflow-connector
- TensorFlow
- TensorBoard
- Scikit-learn
Bibliothèques Python
Databricks Runtime 13.0 ML utilise Virtualenv pour la gestion des packages Python et inclut de nombreux packages ML populaires.
Les bibliothèques Python suivantes ont été introduites avec Databricks Runtime 13.0 ML :
- accelerate
- jeux de données
- evaluate
- ydata-profiling
Outre les packages spécifiés dans les sections suivantes, Databricks Runtime 13.0 ML inclut également les packages suivants :
- hyperopt 0.2.7+db3
- sparkdl 3.0.0_db1
- automl 1.17.0
Pour reproduire l'environnement Databricks Runtime ML Python dans votre environnement virtuel Python local, téléchargez le fichier requirements-13.0.txt et exécutez pip install -r requirements-13.0.txt
. Cette commande installe toutes les bibliothèques open source que Databricks Runtime ML utilise, mais n’installe pas les bibliothèques développées Azure Databricks, telles que databricks-automl
, databricks-feature-store
ou la duplication Databricks de hyperopt
.
Bibliothèques Python sur les clusters UC
Bibliothèque | Version | Bibliothèque | Version | Bibliothèque | Version |
---|---|---|---|---|---|
absl-py | 1.0.0 | accelerate | 0.16.0 | aiohttp | 3.8.4 |
aiosignal | 1.3.1 | appdirs | 1.4.4 | argon2-cffi | 21.3.0 |
argon2-cffi-bindings | 21.2.0 | astor | 0.8.1 | asttokens | 2.2.1 |
astunparse | 1.6.3 | async-timeout | 4.0.2 | attrs | 21.4.0 |
azure-core | 1.26.3 | azure-cosmos | 4.3.1b1 | backcall | 0.2.0 |
bcrypt | 3.2.0 | beautifulsoup4 | 4.11.1 | black | 22.6.0 |
bleach | 4.1.0 | blinker | 1.4 | blis | 0.7.9 |
boto3 | 1.24.28 | botocore | 1.27.28 | cachetools | 4.2.4 |
catalogue | 2.0.8 | category-encoders | 2.6.0 | certifi | 2022.9.14 |
cffi | 1.15.1 | chardet | 4.0.0 | charset-normalizer | 2.0.4 |
click | 8.0.4 | cloudpickle | 2.0.0 | cmdstanpy | 1.1.0 |
confection | 0.0.4 | configparser | 5.2.0 | convertdate | 2.4.0 |
chiffrement | 37.0.1 | cycler | 0.11.0 | cymem | 2.0.7 |
Cython | 0.29.32 | databricks-automl-runtime | 0.2.16 | databricks-cli | 0.17.4 |
databricks-feature-store | 0.11.0 | jeux de données | 2.10.0 | dbl-tempo | 0.1.12 |
dbus-python | 1.2.18 | debugpy | 1.5.1 | decorator | 5.1.1 |
defusedxml | 0.7.1 | dill | 0.3.4 | diskcache | 5.4.0 |
distlib | 0.3.6 | docstring-to-markdown | 0.11 | entrypoints | 0,4 |
ephem | 4.1.4 | evaluate | 0.4.0 | en cours d’exécution | 1.2.0 |
facets-overview | 1.0.2 | fastjsonschema | 2.16.3 | fasttext | 0.9.2 |
filelock | 3.6.0 | Flask | 1.1.2 | flatbuffers | 23.3.3 |
fonttools | 4.25.0 | frozenlist | 1.3.3 | fsspec | 2022.7.1 |
future | 0.18.2 | gast | 0.4.0 | gitdb | 4.0.10 |
GitPython | 3.1.27 | google-auth | 1.33.0 | google-auth-oauthlib | 0.4.6 |
google-pasta | 0.2.0 | googleapis-common-protos | 1.56.4 | grpcio | 1.48.1 |
grpcio-status | 1.48.1 | gunicorn | 20.1.0 | gviz-api | 1.10.0 |
h5py | 3.7.0 | hijri-converter | 2.2.4 | holidays | 0.19 |
horovod | 0.27.0 | htmlmin | 0.1.12 | httplib2 | 0.20.2 |
huggingface-hub | 0.13.2 | idna | 3.3 | ImageHash | 4.3.1 |
imbalanced-learn | 0.8.1 | importlib-metadata | 4.11.3 | ipykernel | 6.17.1 |
ipython | 8.10.0 | ipython-genutils | 0.2.0 | ipywidgets | 7.7.2 |
isodate | 0.6.1 | itsdangerous | 2.0.1 | jedi | 0.18.1 |
jeepney | 0.7.1 | Jinja2 | 2.11.3 | jmespath | 0.10.0 |
joblib | 1.2.0 | joblibspark | 0.5.1 | jsonschema | 4.16.0 |
jupyter-client | 7.3.4 | jupyter_core | 4.11.2 | jupyterlab-pygments | 0.1.2 |
jupyterlab-widgets | 1.0.0 | keras | 2.11.0 | keyring | 23.5.0 |
kiwisolver | 1.4.2 | korean-lunar-calendar | 0.3.1 | langcodes | 3.3.0 |
launchpadlib | 1.10.16 | lazr.restfulclient | 0.14.4 | lazr.uri | 1.0.6 |
libclang | 15.0.6.1 | lightgbm | 3.3.5 | llvmlite | 0.38.0 |
LunarCalendar | 0.0.9 | Mako | 1.2.0 | Markdown | 3.3.4 |
MarkupSafe | 2.0.1 | matplotlib | 3.5.2 | matplotlib-inline | 0.1.6 |
mccabe | 0.7.0 | mistune | 0.8.4 | mleap | 0.20.0 |
mlflow-skinny | 2.2.1 | more-itertools | 8.10.0 | multidict | 6.0.4 |
multimethod | 1.9.1 | multiprocess | 0.70.12.2 | murmurhash | 1.0.9 |
mypy-extensions | 0.4.3 | nbclient | 0.5.13 | nbconvert | 6.4.4 |
nbformat | 5.5.0 | nest-asyncio | 1.5.5 | networkx | 2.8.4 |
nltk | 3.7 | nodeenv | 1.7.0 | notebook | 6.4.12 |
numba | 0.55.1 | numpy | 1.21.5 | oauthlib | 3.2.0 |
opt-einsum | 3.3.0 | empaquetage | 21,3 | pandas | 1.4.4 |
pandas-profiling | 3.6.6 | pandocfilters | 1.5.0 | paramiko | 2.9.2 |
parso | 0.8.3 | pathspec | 0.9.0 | pathy | 0.10.1 |
patsy | 0.5.2 | petastorm | 0.12.1 | pexpect | 4.8.0 |
phik | 0.12.3 | pickleshare | 0.7.5 | Pillow | 9.2.0 |
pip | 22.2.2 | platformdirs | 2.5.2 | plotly | 5.9.0 |
pluggy | 1.0.0 | pmdarima | 2.0.2 | preshed | 3.0.8 |
prometheus-client | 0.14.1 | prompt-toolkit | 3.0.36 | prophet | 1.1.2 |
protobuf | 3.19.4 | psutil | 5.9.0 | psycopg2 | 2.9.3 |
ptyprocess | 0.7.0 | pure-eval | 0.2.2 | pyarrow | 7.0.0 |
pyasn1 | 0.4.8 | pyasn1-modules | 0.2.8 | pybind11 | 2.10.3 |
pycparser | 2.21 | pydantic | 1.10.6 | pyflakes | 3.0.1 |
Pygments | 2.11.2 | PyGObject | 3.42.1 | PyJWT | 2.3.0 |
PyMeeus | 0.5.12 | PyNaCl | 1.5.0 | pyodbc | 4.0.32 |
pyparsing | 3.0.9 | pyright | 1.1.294 | pyrsistent | 0.18.0 |
python-dateutil | 2.8.2 | python-editor | 1.0.4 | python-lsp-jsonrpc | 1.0.0 |
python-lsp-server | 1.7.1 | pytoolconfig | 1.2.2 | pytz | 2022.1 |
PyWavelets | 1.3.0 | PyYAML | 6.0 | pyzmq | 23.2.0 |
regex | 2022.7.9 | requêtes | 2.28.1 | requests-oauthlib | 1.3.1 |
responses | 0.18.0 | rope | 1.7.0 | rsa | 4,9 |
s3transfer | 0.6.0 | scikit-learn | 1.1.1 | scipy | 1.9.1 |
seaborn | 0.11.2 | SecretStorage | 3.3.1 | Send2Trash | 1.8.0 |
setuptools | 63.4.1 | shap | 0.41.0 | simplejson | 3.17.6 |
six | 1.16.0 | segment | 0.0.7 | smart-open | 5.2.1 |
smmap | 5.0.0 | soupsieve | 2.3.1 | spacy | 3.5.0 |
spacy-legacy | 3.0.12 | spacy-loggers | 1.0.4 | spark-tensorflow-distributor | 1.0.0 |
sqlparse | 0.4.2 | srsly | 2.4.6 | ssh-import-id | 5.11 |
stack-data | 0.6.2 | statsmodels | 0.13.2 | tabulate | 0.8.10 |
tangled-up-in-unicode | 0.2.0 | tenacity | 8.0.1 | tensorboard | 2.11.0 |
tensorboard-data-server | 0.6.1 | tensorboard-plugin-profile | 2.11.1 | tensorboard-plugin-wit | 1.8.1 |
tensorflow-cpu | 2.11.0 | tensorflow-estimator | 2.11.0 | tensorflow-io-gcs-filesystem | 0.31.0 |
termcolor | 2.2.0 | terminado | 0.13.1 | testpath | 0.6.0 |
thinc | 8.1.9 | threadpoolctl | 2.2.0 | tokenize-rt | 4.2.1 |
générateurs de jetons | 0.13.2 | tomli | 2.0.1 | torch | 1.13.1+cpu |
torchvision | 0.14.1+cpu | tornado | 6.1 | tqdm | 4.64.1 |
traitlets | 5.1.1 | transformateurs | 4.26.1 | typeguard | 2.13.3 |
typer | 0.7.0 | typing_extensions | 4.3.0 | ujson | 5.4.0 |
unattended-upgrades | 0.1 | urllib3 | 1.26.11 | virtualenv | 20.16.3 |
visions | 0.7.5 | wadllib | 1.3.6 | wasabi | 1.1.1 |
wcwidth | 0.2.5 | webencodings | 0.5.1 | websocket-client | 0.58.0 |
Werkzeug | 2.0.3 | whatthepatch | 1.0.2 | wheel | 0.37.1 |
widgetsnbextension | 3.6.1 | wrapt | 1.14.1 | xgboost | 1.7.4 |
xxhash | 3.2.0 | yapf | 0.31.0 | yarl | 1.8.2 |
ydata-profiling | 4.1.0 | zipp | 3.8.0 |
Bibliothèques Python sur les clusters GPU
Bibliothèque | Version | Bibliothèque | Version | Bibliothèque | Version |
---|---|---|---|---|---|
absl-py | 1.0.0 | accelerate | 0.16.0 | aiohttp | 3.8.4 |
aiosignal | 1.3.1 | appdirs | 1.4.4 | argon2-cffi | 21.3.0 |
argon2-cffi-bindings | 21.2.0 | astor | 0.8.1 | asttokens | 2.2.1 |
astunparse | 1.6.3 | async-timeout | 4.0.2 | attrs | 21.4.0 |
azure-core | 1.26.3 | azure-cosmos | 4.3.1b1 | backcall | 0.2.0 |
bcrypt | 3.2.0 | beautifulsoup4 | 4.11.1 | black | 22.6.0 |
bleach | 4.1.0 | blinker | 1.4 | blis | 0.7.9 |
boto3 | 1.24.28 | botocore | 1.27.28 | cachetools | 4.2.4 |
catalogue | 2.0.8 | category-encoders | 2.6.0 | certifi | 2022.9.14 |
cffi | 1.15.1 | chardet | 4.0.0 | charset-normalizer | 2.0.4 |
click | 8.0.4 | cloudpickle | 2.0.0 | cmdstanpy | 1.1.0 |
confection | 0.0.4 | configparser | 5.2.0 | convertdate | 2.4.0 |
chiffrement | 37.0.1 | cycler | 0.11.0 | cymem | 2.0.7 |
Cython | 0.29.32 | databricks-automl-runtime | 0.2.16 | databricks-cli | 0.17.4 |
databricks-feature-store | 0.11.0 | jeux de données | 2.10.0 | dbl-tempo | 0.1.12 |
dbus-python | 1.2.18 | debugpy | 1.5.1 | decorator | 5.1.1 |
defusedxml | 0.7.1 | dill | 0.3.4 | diskcache | 5.4.0 |
distlib | 0.3.6 | docstring-to-markdown | 0.11 | entrypoints | 0,4 |
ephem | 4.1.4 | evaluate | 0.4.0 | en cours d’exécution | 1.2.0 |
facets-overview | 1.0.2 | fastjsonschema | 2.16.3 | fasttext | 0.9.2 |
filelock | 3.6.0 | Flask | 1.1.2 | flatbuffers | 23.3.3 |
fonttools | 4.25.0 | frozenlist | 1.3.3 | fsspec | 2022.7.1 |
future | 0.18.2 | gast | 0.4.0 | gitdb | 4.0.10 |
GitPython | 3.1.27 | google-auth | 1.33.0 | google-auth-oauthlib | 0.4.6 |
google-pasta | 0.2.0 | googleapis-common-protos | 1.56.4 | grpcio | 1.48.1 |
grpcio-status | 1.48.1 | gunicorn | 20.1.0 | gviz-api | 1.10.0 |
h5py | 3.7.0 | hijri-converter | 2.2.4 | holidays | 0.19 |
horovod | 0.27.0 | htmlmin | 0.1.12 | httplib2 | 0.20.2 |
huggingface-hub | 0.13.1 | idna | 3.3 | ImageHash | 4.3.1 |
imbalanced-learn | 0.8.1 | importlib-metadata | 4.11.3 | ipykernel | 6.17.1 |
ipython | 8.10.0 | ipython-genutils | 0.2.0 | ipywidgets | 7.7.2 |
isodate | 0.6.1 | itsdangerous | 2.0.1 | jedi | 0.18.1 |
jeepney | 0.7.1 | Jinja2 | 2.11.3 | jmespath | 0.10.0 |
joblib | 1.2.0 | joblibspark | 0.5.1 | jsonschema | 4.16.0 |
jupyter-client | 7.3.4 | jupyter_core | 4.11.2 | jupyterlab-pygments | 0.1.2 |
jupyterlab-widgets | 1.0.0 | keras | 2.11.0 | keyring | 23.5.0 |
kiwisolver | 1.4.2 | korean-lunar-calendar | 0.3.1 | langcodes | 3.3.0 |
launchpadlib | 1.10.16 | lazr.restfulclient | 0.14.4 | lazr.uri | 1.0.6 |
libclang | 15.0.6.1 | lightgbm | 3.3.5 | llvmlite | 0.38.0 |
LunarCalendar | 0.0.9 | Mako | 1.2.0 | Markdown | 3.3.4 |
MarkupSafe | 2.0.1 | matplotlib | 3.5.2 | matplotlib-inline | 0.1.6 |
mccabe | 0.7.0 | mistune | 0.8.4 | mleap | 0.20.0 |
mlflow-skinny | 2.2.1 | more-itertools | 8.10.0 | multidict | 6.0.4 |
multimethod | 1.9.1 | multiprocess | 0.70.12.2 | murmurhash | 1.0.9 |
mypy-extensions | 0.4.3 | nbclient | 0.5.13 | nbconvert | 6.4.4 |
nbformat | 5.5.0 | nest-asyncio | 1.5.5 | networkx | 2.8.4 |
nltk | 3.7 | nodeenv | 1.7.0 | notebook | 6.4.12 |
numba | 0.55.1 | numpy | 1.21.5 | oauthlib | 3.2.0 |
opt-einsum | 3.3.0 | empaquetage | 21,3 | pandas | 1.4.4 |
pandas-profiling | 3.6.6 | pandocfilters | 1.5.0 | paramiko | 2.9.2 |
parso | 0.8.3 | pathspec | 0.9.0 | pathy | 0.10.1 |
patsy | 0.5.2 | petastorm | 0.12.1 | pexpect | 4.8.0 |
phik | 0.12.3 | pickleshare | 0.7.5 | Pillow | 9.2.0 |
pip | 22.2.2 | platformdirs | 2.5.2 | plotly | 5.9.0 |
pluggy | 1.0.0 | pmdarima | 2.0.2 | preshed | 3.0.8 |
prompt-toolkit | 3.0.36 | prophet | 1.1.2 | protobuf | 3.19.4 |
psutil | 5.9.0 | psycopg2 | 2.9.3 | ptyprocess | 0.7.0 |
pure-eval | 0.2.2 | pyarrow | 7.0.0 | pyasn1 | 0.4.8 |
pyasn1-modules | 0.2.8 | pybind11 | 2.10.3 | pycparser | 2.21 |
pydantic | 1.10.6 | pyflakes | 3.0.1 | Pygments | 2.11.2 |
PyGObject | 3.42.1 | PyJWT | 2.3.0 | PyMeeus | 0.5.12 |
PyNaCl | 1.5.0 | pyodbc | 4.0.32 | pyparsing | 3.0.9 |
pyright | 1.1.294 | pyrsistent | 0.18.0 | python-dateutil | 2.8.2 |
python-editor | 1.0.4 | python-lsp-jsonrpc | 1.0.0 | python-lsp-server | 1.7.1 |
pytoolconfig | 1.2.2 | pytz | 2022.1 | PyWavelets | 1.3.0 |
PyYAML | 6.0 | pyzmq | 23.2.0 | regex | 2022.7.9 |
requêtes | 2.28.1 | requests-oauthlib | 1.3.1 | responses | 0.18.0 |
rope | 1.7.0 | rsa | 4,9 | s3transfer | 0.6.0 |
scikit-learn | 1.1.1 | scipy | 1.9.1 | seaborn | 0.11.2 |
SecretStorage | 3.3.1 | Send2Trash | 1.8.0 | setuptools | 63.4.1 |
shap | 0.41.0 | simplejson | 3.17.6 | six | 1.16.0 |
segment | 0.0.7 | smart-open | 5.2.1 | smmap | 5.0.0 |
soupsieve | 2.3.1 | spacy | 3.5.0 | spacy-legacy | 3.0.12 |
spacy-loggers | 1.0.4 | spark-tensorflow-distributor | 1.0.0 | sqlparse | 0.4.2 |
srsly | 2.4.6 | ssh-import-id | 5.11 | stack-data | 0.6.2 |
statsmodels | 0.13.2 | tabulate | 0.8.10 | tangled-up-in-unicode | 0.2.0 |
tenacity | 8.0.1 | tensorboard | 2.11.0 | tensorboard-data-server | 0.6.1 |
tensorboard-plugin-profile | 2.11.1 | tensorboard-plugin-wit | 1.8.1 | tensorflow | 2.11.0 |
tensorflow-estimator | 2.11.0 | tensorflow-io-gcs-filesystem | 0.31.0 | termcolor | 2.2.0 |
terminado | 0.13.1 | testpath | 0.6.0 | thinc | 8.1.9 |
threadpoolctl | 2.2.0 | tokenize-rt | 4.2.1 | générateurs de jetons | 0.13.2 |
tomli | 2.0.1 | torch | 1.13.1+cu117 | torchvision | 0.14.1+cu117 |
tornado | 6.1 | tqdm | 4.64.1 | traitlets | 5.1.1 |
transformateurs | 4.26.1 | typeguard | 2.13.3 | typer | 0.7.0 |
typing_extensions | 4.3.0 | ujson | 5.4.0 | unattended-upgrades | 0.1 |
urllib3 | 1.26.11 | virtualenv | 20.16.3 | visions | 0.7.5 |
wadllib | 1.3.6 | wasabi | 1.1.1 | wcwidth | 0.2.5 |
webencodings | 0.5.1 | websocket-client | 0.58.0 | Werkzeug | 2.0.3 |
whatthepatch | 1.0.2 | wheel | 0.37.1 | widgetsnbextension | 3.6.1 |
wrapt | 1.14.1 | xgboost | 1.7.4 | xxhash | 3.2.0 |
yapf | 0.31.0 | yarl | 1.8.2 | ydata-profiling | 4.1.0 |
zipp | 3.8.0 |
Bibliothèques R
Les bibliothèques R sont identiques aux bibliothèques R dans Databricks Runtime 13.0.
Bibliothèques Java et Scala (cluster Scala 2.12)
Outre les bibliothèques Java et Scala dans Databricks Runtime 13.0, Databricks Runtime 13.0 ML contient les fichiers JAR suivants :
Clusters UC
ID de groupe | ID d’artefact | Version |
---|---|---|
com.typesafe.akka | akka-actor_2.12 | 2.5.23 |
ml.combust.mleap | mleap-databricks-runtime_2.12 | v0.20.0-db2 |
ml.dmlc | xgboost4j-spark_2.12 | 1.7.3 |
ml.dmlc | xgboost4j_2.12 | 1.7.3 |
org.graphframes | graphframes_2.12 | 0.8.2-db1-spark3.2 |
org.mlflow | mlflow-client | 2.2.1 |
org.scala-lang.modules | scala-java8-compat_2.12 | 0.8.0 |
org.tensorflow | spark-tensorflow-connector_2.12 | 1.15.0 |
Clusters GPU
ID de groupe | ID d’artefact | Version |
---|---|---|
com.typesafe.akka | akka-actor_2.12 | 2.5.23 |
ml.combust.mleap | mleap-databricks-runtime_2.12 | v0.20.0-db2 |
ml.dmlc | xgboost4j-gpu_2.12 | 1.7.3 |
ml.dmlc | xgboost4j-spark-gpu_2.12 | 1.7.3 |
org.graphframes | graphframes_2.12 | 0.8.2-db1-spark3.2 |
org.mlflow | mlflow-client | 2.2.1 |
org.scala-lang.modules | scala-java8-compat_2.12 | 0.8.0 |
org.tensorflow | spark-tensorflow-connector_2.12 | 1.15.0 |