Databricks Runtime 10.1 ml-hez (nem támogatott)
A Databricks Runtime 10.1 for Machine Tanulás a Databricks Runtime 10.1-en (nem támogatott) alapuló, használatra kész környezetet biztosít a gépi tanuláshoz és az adatelemzéshez. A Databricks Runtime ML számos népszerű gépi tanulási kódtárat tartalmaz, köztük a TensorFlow-t, a PyTorch-ot és az XGBoost-t. Emellett támogatja az elosztott mélytanulási képzést a Horovod használatával.
További információkért, beleértve a Databricks Runtime ML-fürt létrehozásának utasításait, tekintse meg a Databricks migrálási és gépi Tanulás.
Új funkciók és fejlesztések
A Databricks Runtime 10.1 ML a Databricks Runtime 10.1-es verziójára épül. A Databricks Runtime 10.1 újdonságairól , beleértve az Apache Spark MLlib és a SparkR újdonságait, tekintse meg a Databricks Runtime 10.1 (nem támogatott) kibocsátási megjegyzéseit.
A Databricks AutoML fejlesztései
A Databricks Runtime 10.1-ben a Databricks AutoML továbbfejlesztett szemantikai típusészlelést, új riasztásokat tartalmaz a betanítás során felmerülő lehetséges adatproblémákra vonatkozóan, új képességek a modellek túlillesztésének megelőzésére, valamint a bemeneti adathalmaz időrendben történő betanításra, ellenőrzésre és tesztelési csoportokra való felosztására.
További szemantikai típusészlelések
Az AutoML mostantól támogatja a további szemantikai típusészlelést:
- A kategorikus címkéket tartalmazó numerikus oszlopok kategorikus típusként vannak kezelve.
- Az angol szöveget tartalmazó sztringoszlopok szövegfunkcióként lesznek kezelve.
Mostantól széljegyzeteket is hozzáadhat az oszlop adattípusának megadásához. További részletekért lásd a szemantikai típusészlelést.
Riasztások a betanítás során lehetséges adatproblémák esetén
Az AutoML mostantól észleli és létrehozza az adatkészlettel kapcsolatos lehetséges problémákra vonatkozó riasztásokat. A riasztások közé tartoznak például a nem támogatott oszloptípusok és a magas számosságú oszlopok. Ezek a riasztások az új Riasztások lap kísérletoldalán jelennek meg. A riasztásokkal kapcsolatos további információkat az adatfeltárási jegyzetfüzet tartalmazza. További információ: A kísérlet futtatása és az eredmények figyelése.
Csökkentett modell túlillesztése
Két új képesség csökkenti a modell túlillesztésének esélyét az AutoML használatakor:
- Az AutoML mostantól az érvényesítési és betanítási metrikák mellett a tesztelési metrikákat is jelenti.
- Az AutoML most már korai leállítást használ. Leállítja a modellek betanítását és finomhangolását, ha az érvényesítési metrika már nem javul.
Adatkészlet felosztása betanítási/érvényesítési/tesztkészletekre időrendben
Besorolási és regressziós problémák esetén az adathalmazt időrendben feloszthatja betanítási, érvényesítési és tesztelési csoportokra. Részletekért lásd: Adatok felosztása betanítási/érvényesítési/tesztelési csoportokra .
A Databricks szolgáltatástároló fejlesztései
A Databricks Feature Store mostantól további adattípusokat is támogat a funkciótáblákhoz: BinaryType, DecimalTypeés MapType.
Mlflow
Az alábbi fejlesztések az Mlflow 1.21.0-s verziójától érhetők el, amely a Databricks Runtime 10.1 ML-ben található.
- [Modellek] Frissítse a
fastaimodell ízét a fastai v2 (2.4.1 vagy újabb) támogatásához. - [Modellek] Az mlflow.prophet modell ízének bemutatása Prophet idősorozat-modellekhez.
- [Pontozás] Kijavítottunk egy sémakényszerítési hibát, amely helytelenül ad dátumszerű sztringeket datetime objektumokra.
Hyperopt
SparkTrials mostantól támogatja a paramétert a early_stopping_fn következőhöz fmin: . A korai leállítási függvénnyel megadhatja azokat a feltételeket, amikor a Hyperoptnak le kell állítania a hiperparaméterek finomhangolását a kiértékelések maximális számának elérése előtt. Ezt a paramétert használhatja például a finomhangolás befejezéséhez, ha a célfüggvény már nem csökken. Részletekért lásd: fmin().
A Databricks Runtime ML Python-környezetének főbb változásai
Python-csomagok frissítve
- automl 1.3.1 => 1.4.1
- feature_store 0.3.4 => 0.3.5
- ünnepnapok 0.11.2 => 0.11.3.1
- horovod 0.22.1 => 0.23.0
- hyperopt 0.2.5.db2 => 0.2.5.db4
- kiegyensúlyozatlan tanulás 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
- diagram 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
- transzformátorok 4.9.2 => 4.11.3
Python-csomagok hozzáadva
- gyorsszöveg => 0.9.2
- tensorboard-plugin-profile => 2.5.0
Elavult funkciók
Az MLlib automatizált MLflow-nyomkövetés elavult a Databricks Runtime 10.1 ML-t és újabb verziót futtató fürtökön. Ehelyett az MLflow PySpark ML automatikus aktiválását használja a hívássalmlflow.pyspark.ml.autolog(). Az automatikus keresés alapértelmezés szerint engedélyezve van a Databricks automatikus keresésével.
Rendszerkörnyezet
A Databricks Runtime 10.1 ML rendszerkörnyezete az alábbiak szerint különbözik a Databricks Runtime 10.1-től:
- DBUtils: A Databricks Runtime ML nem tartalmazza a Library segédprogramot (dbutils.library) (örökölt).
Használjon
%pipinkább parancsokat. Lásd: Jegyzetfüzet-hatókörön belüli Python-kódtárak. - GPU-fürtök esetén a Databricks Runtime ML a következő NVIDIA GPU-kódtárakat tartalmazza:
- CUDA 11.0
- cuDNN 8.0.5.39
- NCCL 2.10.3
- TensorRT 7.2.2
Kódtárak
Az alábbi szakaszok a Databricks Runtime 10.1 ML-ben található kódtárakat sorolják fel, amelyek eltérnek a Databricks Runtime 10.1-ben szereplő kódtáraktól.
Ebben a szakaszban:
Felső szintű kódtárak
A Databricks Runtime 10.1 ML a következő legfelső szintű kódtárakat tartalmazza:
- GraphFrames
- Horovod és HorovodRunner
- MLflow
- PyTorch
- spark-tensorflow-connector
- TensorFlow
- TensorBoard
Python-kódtárak
A Databricks Runtime 10.1 ML a Virtualenv-t használja a Python-csomagkezeléshez, és számos népszerű ML-csomagot tartalmaz.
A következő szakaszokban megadott csomagok mellett a Databricks Runtime 10.1 ML a következő csomagokat is tartalmazza:
- hyperopt 0.2.5.db4
- sparkdl 2.2.0-db4
- feature_store 0.3.5
- automl 1.4.0
Feljegyzés
A Databricks Runtime 10.1 ML kompatibilitási problémák miatt az 1.0-s verzió helyett a Scikit-Learn 0.24-es verzióját tartalmazza. A scikit-learn csomag számos más csomaggal is együttműködik a Databricks Runtime 10.1 ML-ben.
Frissíthet a scikit-learn 1.0-s verziójára; A Databricks azonban nem támogatja ezt a verziót.
A frissítéshez használjon jegyzetfüzet-hatókörű kódtárakat. Futtassa %pip install --upgrade "scikit-learn>=1.0,<1.1"a jegyzetfüzetből.
Másik lehetőségként használja ezt a fürt init szkriptet:
#!/bin/bash
set -e
pip install --upgrade "scikit-learn>=1.0,<1.1"
Python-kódtárak CPU-fürtökön
| Könyvtár | Verzió | Könyvtár | Verzió | Könyvtár | Verzió |
|---|---|---|---|---|---|
| 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 |
| aszinkron generátor | 1.10 | attrs | 20.3.0 | backcall | 0.2.0 |
| bcrypt | 3.2.0 | Fehérítő | 3.3.0 | blis | 0.7.4 |
| boto3 | 1.16.7 | botocore | 1.19.7 | cachetools | 4.2.4 |
| Katalógus | 2.0.6 | minősítés | 2020.12.5 | cffi | 1.14.5 |
| karakterkészlet | 4.0.0 | clang | 5,0 | kattintás | 7.1.2 |
| cloudpickle | 1.6.0 | cmdstanpy | 0.9.68 | configparser | 5.0.1 |
| konvertálás | 2.3.2 | Titkosítás | 3.4.7 | cycler | 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 | Dekoratőr | 5.0.6 |
| defusedxml | 0.7.1 | Kapros | 0.3.2 | diskcache | 5.2.1 |
| distlib | 0.3.3 | distro-info | 0,23ubuntu1 | belépési pontok | 0.3 |
| ephem | 4.1 | aspektusok áttekintése | 1.0.0 | gyorsszöveg | 0.9.2 |
| filelock | 3.0.12 | Flask | 1.1.2 | flatbuffers | 1.12 |
| fsspec | 0.9.0 | Jövőben | 0.18.2 | Gast | 0.4.0 |
| gitdb | 4.0.7 | GitPython | 3.1.12 | google-hitelesítés | 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-konverter | 2.2.2 | Ünnepek | 0.11.3.1 | horovod | 0.23.0 |
| htmlmin | 0.1.12 | huggingface-hub | 0.0.19 | idna | 2.10 |
| ImageHash | 4.2.1 | kiegyensúlyozatlan tanulás | 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 | itsdangerous | 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-widgetek | 1.0.0 | keras | 2.6.0 | Keras-Előfeldolgozás | 1.1.2 |
| kiwisolver | 1.3.1 | Koalák | 1.8.2 | koreai-holdnaptár | 0.2.1 |
| lightgbm | 3.3.0 | llvmlite | 0.37.0 | LunarCalendar | 0.0.9 |
| Makó | 1.1.3 | Markdown | 3.3.3 | Korrektúra Széf | 2.0.1 |
| matplotlib | 3.4.2 | missingno | 0.5.0 | mistune | 0.8.4 |
| mleap | 0.18.1 | mlflow-skinny | 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 | jegyzetfüzet | 6.3.0 | numba | 0.54.1 |
| numpy | 1.19.2 | oauthlib | 3.1.0 | opt-einsum | 3.3.0 |
| Csomagolás | 20.9 | pandas | 1.2.4 | pandas-profilkészítés | 3.1.0 |
| pandocfilters | 1.4.3 | paramiko | 2.7.2 | parso | 0.7.0 |
| pathy | 0.6.0 | Patsy | 0.5.1 | petastorm | 0.11.3 |
| pexpect | 4.8.0 | phik | 0.12.0 | pickleshare | 0.7.5 |
| Párna | 8.2.0 | Pip | 21.0.1 | ábrázolás | 5.3.0 |
| előre meg van nyitható | 3.0.5 | prometheus-client | 0.10.1 | prompt-toolkit | 3.0.17 |
| Próféta | 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 |
| kérelmek | 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 | tengeri | 0.11.1 |
| Send2Trash | 1.5.0 | setuptools | 52.0.0 | setuptools-git | 1,2 |
| shap | 0.39.0 | simplejson | 3.17.2 | Hat | 1.15.0 |
| Szeletelő | 0.0.7 | smart-open | 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 | táblázatos | 0.8.7 | tangled-up-in-unicode | 0.1.0 |
| Kitartás | 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 | thinc | 8.0.9 | threadpoolctl | 2.1.0 |
| tokenizers | 0.10.3 | Fáklya | 1.9.1+cpu | torchvision | 0.10.1+cpu |
| Tornádó | 6.1 | tqdm | 4.59.0 | árulók | 5.0.5 |
| Transformers | 4.11.3 | Typer | 0.3.2 | gépelés-bővítmények | 3.7.4.3 |
| ujson | 4.0.2 | felügyelet nélküli frissítések | 0,1 | urllib3 | 1.25.11 |
| virtualenv | 20.4.1 | Látomások | 0.7.4 | Wasabi | 0.8.2 |
| wcwidth | 0.2.5 | webencodings | 0.5.1 | websocket-client | 0.57.0 |
| Werkzeug | 1.0.1 | Kerék | 0.36.2 | widgetsnbextension | 3.5.1 |
| wrapt | 1.12.1 | xgboost | 1.4.2 | zipp | 3.4.1 |
Python-kódtárak GPU-fürtökön
| Könyvtár | Verzió | Könyvtár | Verzió | Könyvtár | Verzió |
|---|---|---|---|---|---|
| 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 |
| aszinkron generátor | 1.10 | attrs | 20.3.0 | backcall | 0.2.0 |
| bcrypt | 3.2.0 | Fehérítő | 3.3.0 | blis | 0.7.4 |
| boto3 | 1.16.7 | botocore | 1.19.7 | cachetools | 4.2.4 |
| Katalógus | 2.0.6 | minősítés | 2020.12.5 | cffi | 1.14.5 |
| karakterkészlet | 4.0.0 | clang | 5,0 | kattintás | 7.1.2 |
| cloudpickle | 1.6.0 | cmdstanpy | 0.9.68 | configparser | 5.0.1 |
| konvertálás | 2.3.2 | Titkosítás | 3.4.7 | cycler | 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 | Dekoratőr | 5.0.6 |
| defusedxml | 0.7.1 | Kapros | 0.3.2 | diskcache | 5.2.1 |
| distlib | 0.3.3 | distro-info | 0,23ubuntu1 | belépési pontok | 0.3 |
| ephem | 4.1 | aspektusok áttekintése | 1.0.0 | gyorsszöveg | 0.9.2 |
| filelock | 3.0.12 | Flask | 1.1.2 | flatbuffers | 1.12 |
| fsspec | 0.9.0 | Jövőben | 0.18.2 | Gast | 0.4.0 |
| gitdb | 4.0.7 | GitPython | 3.1.12 | google-hitelesítés | 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-konverter | 2.2.2 | Ünnepek | 0.11.3.1 | horovod | 0.23.0 |
| htmlmin | 0.1.12 | huggingface-hub | 0.0.19 | idna | 2.10 |
| ImageHash | 4.2.1 | kiegyensúlyozatlan tanulás | 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 | itsdangerous | 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-widgetek | 1.0.0 | keras | 2.6.0 | Keras-Előfeldolgozás | 1.1.2 |
| kiwisolver | 1.3.1 | Koalák | 1.8.2 | koreai-holdnaptár | 0.2.1 |
| lightgbm | 3.3.0 | llvmlite | 0.37.0 | LunarCalendar | 0.0.9 |
| Makó | 1.1.3 | Markdown | 3.3.3 | Korrektúra Széf | 2.0.1 |
| matplotlib | 3.4.2 | missingno | 0.5.0 | mistune | 0.8.4 |
| mleap | 0.18.1 | mlflow-skinny | 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 | jegyzetfüzet | 6.3.0 | numba | 0.54.1 |
| numpy | 1.19.2 | oauthlib | 3.1.0 | opt-einsum | 3.3.0 |
| Csomagolás | 20.9 | pandas | 1.2.4 | pandas-profilkészítés | 3.1.0 |
| pandocfilters | 1.4.3 | paramiko | 2.7.2 | parso | 0.7.0 |
| pathy | 0.6.0 | Patsy | 0.5.1 | petastorm | 0.11.3 |
| pexpect | 4.8.0 | phik | 0.12.0 | pickleshare | 0.7.5 |
| Párna | 8.2.0 | Pip | 21.0.1 | ábrázolás | 5.3.0 |
| előre meg van nyitható | 3.0.5 | prompt-toolkit | 3.0.17 | Próféta | 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 | kérelmek | 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 | tengeri | 0.11.1 | Send2Trash | 1.5.0 |
| setuptools | 52.0.0 | setuptools-git | 1,2 | shap | 0.39.0 |
| simplejson | 3.17.2 | Hat | 1.15.0 | Szeletelő | 0.0.7 |
| smart-open | 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 |
| táblázatos | 0.8.7 | tangled-up-in-unicode | 0.1.0 | Kitartás | 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 |
| thinc | 8.0.9 | threadpoolctl | 2.1.0 | tokenizers | 0.10.3 |
| Fáklya | 1.9.1+cu111 | torchvision | 0.10.1+cu111 | Tornádó | 6.1 |
| tqdm | 4.59.0 | árulók | 5.0.5 | Transformers | 4.11.3 |
| Typer | 0.3.2 | gépelés-bővítmények | 3.7.4.3 | ujson | 4.0.2 |
| felügyelet nélküli frissítések | 0,1 | urllib3 | 1.25.11 | virtualenv | 20.4.1 |
| Látomások | 0.7.4 | Wasabi | 0.8.2 | wcwidth | 0.2.5 |
| webencodings | 0.5.1 | websocket-client | 0.57.0 | Werkzeug | 1.0.1 |
| Kerék | 0.36.2 | widgetsnbextension | 3.5.1 | wrapt | 1.12.1 |
| xgboost | 1.4.2 | zipp | 3.4.1 |
Python-modulokat tartalmazó Spark-csomagok
| Spark-csomag | Python-modul | Verzió |
|---|---|---|
| gráfkeretek | gráfkeretek | 0.8.2-db1-spark3.2 |
R-kódtárak
Az R-kódtárak megegyeznek a Databricks Runtime 10.1 R-kódtáraival .
Java- és Scala-kódtárak (Scala 2.12-fürt)
A Databricks Runtime 10.1 Java- és Scala-kódtárai mellett a Databricks Runtime 10.1 ML a következő JAR-eket tartalmazza:
CPU-fürtök
| Csoportazonosító | Összetevő azonosítója | Verzió |
|---|---|---|
| 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 |
GPU-fürtök
| Csoportazonosító | Összetevő azonosítója | Verzió |
|---|---|---|
| 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 |