AI- és ML-modellek betanítása

Az Azure Databricks rugalmas, gépi tanulási igényekre szabott számítási megoldásokat kínál, a felügyelt fürt futtatókörnyezetétől a teljes kiszolgáló nélküli GPU-környezetekig.

Compute	Leírás
AI-futtatókörnyezet	Kiszolgáló nélküli GPU számítási környezet, amely egyéni egycsomópontos és többcsomópontos mélytanulási számítási feladatokhoz van optimalizálva.
Databricks Runtime for Machine Learning	Klasszikus számítási környezet előre elkészített kódtárakkal klasszikus gépi tanuláshoz és mélytanulási számítási feladatokhoz.

AI futtatási környezet (előzetes verzió)

Fontos

Ez a funkció nyilvános előzetes verzióban van.

Az AI Runtime egy speciális ajánlat a Databricks kiszolgáló nélküli ökoszisztémáján belül. Egyéni egycsomópontos és többcsomópontos mélytanulási számítási feladatokhoz van optimalizálva, például az LLM-ek finomhangolására vagy a számítógépes látásmodellek betanítására. A kiszolgáló nélküli számításnak a Databricks-architektúrába való illeszkedésének áttekintéséért tekintse meg a kiszolgáló nélküli munkaterület architektúráját.

A legfontosabb funkciók a következők:

• Azonnali rendelkezésre állás: Megszünteti a mögöttes fürtinfrastruktúra felügyeletének szükségességét, lehetővé téve a jegyzetfüzetek kiszolgáló nélküli GPU-erőforrásokhoz való közvetlen csatlakoztatását.
• Nagy teljesítményű hardver: Hozzáférést biztosít az A10 GPU-khoz a költséghatékony feladatokhoz.
• Felügyelt környezetek: Alapértelmezett alapkörnyezetet kínál a teljes testreszabáshoz, vagy egy olyan AI-környezetet, amely előre be van töltve olyan közös ML-csomagokkal, mint a Transformers és a Ray.
• Rugalmas skálázás: Támogatja az elosztott betanítást több GPU-n és csomóponton.

A gépi tanuláshoz készült Databricks-futtatási környezet

A Databricks Runtime for Machine Learning egy speciális futtatókörnyezet, amely automatizálja a számítási erőforrások létrehozását előre összeállított infrastruktúrával. Olyan felhasználók számára készült, akik átfogó, használatra kész környezetet szeretnének a klasszikus gépi tanuláshoz és a mély tanuláshoz.

A legfontosabb funkciók a következők:

• Előre telepített kódtárak: Olyan népszerű kódtárakat tartalmaz, mint a PyTorch, a TensorFlow és az XGBoost, amelyek gyakori frissítéseket és optimalizált támogatást kapnak.
• Számítási sokoldalúság: Támogatja a PROCESSZOR- és GPU-alapú példánytípusokat is, beleértve az AWS Gravitont is a jobb ár-teljesítmény érdekében.
• Optimalizálás: Integrációt kínál a Photonnel a Spark SQL, a DataFrames és a szolgáltatástervezési feladatok felgyorsításához.
• Hozzáférés-vezérlés: Dedikált hozzáférési módot igényel az adatok unity katalóguson keresztüli biztonságos eléréséhez.