Databricks Runtime 15.4 LTS untuk Pembelajaran Mesin

Databricks Runtime 15.4 LTS untuk Pembelajaran Mesin menyediakan lingkungan yang siapto-go untuk pembelajaran mesin dan ilmu data berdasarkan Databricks Runtime 15.4 LTS. Databricks Runtime ML berisi banyak perpustakaan pembelajaran mesin populer, termasuk TensorFlow, PyTorch, dan XGBoost. Databricks Runtime ML mencakup AutoML, alat untuk secara otomatis melatih alur pembelajaran mesin. Databricks Runtime ML juga mendukung pelatihan pembelajaran mendalam terdistribusi menggunakan TorchDistributor.

Nota

LTS berarti versi ini berada di bawah dukungan jangka panjang. Lihat Siklus hidup versi Databricks Runtime LTS.

Petunjuk / Saran

Untuk melihat catatan rilis untuk versi Databricks Runtime yang telah mencapai akhir masa dukungan (EoS), lihat Catatan rilis Databricks Runtime yang telah mencapai akhir masa dukungan. Versi EoS Databricks Runtime telah dihentikan dan mungkin tidak diperbarui.

Fitur dan peningkatan baru

Databricks Runtime 15.4 LTS ML dibangun di atas Databricks Runtime 15.4 LTS. Untuk informasi tentang apa yang baru dalam Databricks Runtime 15.4 LTS, termasuk Apache Spark MLlib dan SparkR, lihat catatan rilis Databricks Runtime 15.4 LTS .

Bobot sampel AutoML untuk klasifikasi

AutoML sekarang mendukung bobot sampel untuk klasifikasi, memungkinkan Anda menyesuaikan kepentingan setiap kelas selama pelatihan model klasifikasi. Untuk informasi selengkapnya, lihat parameter klasifikasi untuk API Python AutoML.

Perubahan pada klien Rekayasa Fitur Databricks

Versi databricks-feature-engineering yang dikirim dengan Databricks Runtime 15.4 LTS ML adalah 0.6.0.

• Untuk komputasi yang dibuat pada atau setelah 31 Maret 2025 yang tidak diaktifkan untuk Photon, versi databricks-feature-engineering yang diinstal adalah 0.8.0.
• Untuk komputasi yang dibuat pada atau setelah 21 Juli 2025, yang diaktifkan untuk Photon atau menggunakan CPU berbasis Arm64, versi yang diinstal adalah 0.8.0.

Untuk informasi tentang apa yang baru dalam Api Python Rekayasa Fitur Databricks, lihat catatan rilis klien rekayasa fitur.

Perubahan lainnya

Petastorm sekarang tidak digunakan lagi

Paket Petastorm sekarang tidak digunakan lagi. Rilis setelah 15.4 LTS ML tidak akan menginstal paket ini sebelumnya. Mosaic Streaming adalah pengganti yang direkomendasikan untuk memuat himpunan data besar dari penyimpanan cloud.

Distributor Spark Tensorflow sekarang tidak digunakan lagi

Paket spark-tensorflow-distributor sekarang tidak digunakan lagi. Rilis setelah 15.4 LTS ML tidak akan menginstal paket ini sebelumnya. Ray on Databricks adalah pengganti yang direkomendasikan untuk pelatihan terdistribusi model Tensorflow atau Keras.

Lingkungan sistem

Lingkungan sistem di Databricks Runtime 15.4 LTS ML berbeda dari Databricks Runtime 15.4 LTS sebagai berikut:

• Untuk kluster GPU, Databricks Runtime ML menyertakan pustaka GPU NVIDIA berikut:
  • 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

Perpustakaan

Bagian berikut mencantumkan perpustakaan perangkat lunak yang disertakan dalam Databricks Runtime 15.4 LTS ML yang memiliki perbedaan dengan yang ada dalam Databricks Runtime 15.4 LTS.

Di bagian ini:

• Perpustakaan kelas atas
• Perpustakaan Python
• Perpustakaan R (R library)
• Pustaka Java dan Scala (Kluster Scala 2.12)

Pustaka tingkat atas

Databricks Runtime 15.4 LTS ML mencakup pustaka tingkat atas berikut:

• Datasets
• GraphFrame
• MLflow
• PyTorch
• spark-tensorflow-connector
• Scikit-learn
• TensorFlow
• TensorBoard
• Transformers

Perpustakaan Python

Databricks Runtime 15.4 LTS ML menggunakan virtualenv untuk manajemen paket Python dan mencakup banyak paket ML populer.

Selain paket yang ditentukan di bagian berikut, Databricks Runtime 15.4 LTS ML juga mencakup paket berikut:

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

Untuk mereproduksi lingkungan Databricks Runtime ML Python di lingkungan virtual Python lokal Anda:

1. Unduh file yang sesuai requirements.txt . Lihat requirements.txt versi file dari Databricks Runtime 15.4 LTS ML.

2. Pada sistem Ubuntu, jalankan sudo apt-get install libpq-dev libcairo2-dev libdbus-1-dev libgirepository1.0-dev libsnappy-dev untuk menginstal pustaka sistem.

3. Jalankan pip install -r requirements-<version>.txt> --extra-index-url https://download.pytorch.org/whl/cpu. Contohnya, pip install -r requirements-15.4-v3.txt --extra-index-url https://download.pytorch.org/whl/cpu.

   Perintah ini menginstal semua pustaka sumber terbuka yang digunakan Databricks Runtime ML, tetapi tidak menginstal pustaka yang dikembangkan oleh Databricks, seperti databricks-automl, atau fork Databricks dari hyperopt atau horovod.

requirements.txt versi file untuk Databricks Runtime 15.4 LTS ML

Beberapa paket ditingkatkan setelah rilis awal Databricks Runtime 15.4 LTS ML. Gunakan tabel berikut untuk menentukan dan mengunduh file yang benar requirements.txt .

Komputasi tanggal dibuat	Status Photon	Paket diperbarui setelah rilis awal Databricks Runtime 15.4 LTS ML	requirements.txt arsip
Sebelum 11 Februari 2025	Apa saja	None	requirements-15.4.txt
Antara 12 Februari 2025 dan 30 Maret 2025	Tidak diaktifkan untuk Photon	mlflow-skinny 2.19.0	requirements-15.4-v2.txt
Antara 31 Maret 2025 dan 20 Juli 2025	Tidak diaktifkan untuk Photon	mlflow-skinny 2.19.0 databricks-feature-engineering 0.8.0	requirements-15.4-v3.txt
Pada atau setelah 21 Juli 2025	Diaktifkan untuk Photon atau menggunakan CPU berbasis Arm64	mlflow-skinny 2.19.0 databricks-feature-engineering 0.8.0 ray 2.37.0	requirements-15.4-v4.txt

Pustaka Python pada kluster CPU

Perpustakaan	Versi	Perpustakaan	Versi	Perpustakaan	Versi
absl-py	1.0.0	Percepat	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	Pengikatan Argon2-cffi	21.2.0	Astor	0.8.1
asttoken	2.0.5	astunparse	1.6.3	batas waktu asinkron	4.0.2
atribut	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 Data Lake	12.14.0	panggilan balik	0.2.0	bcrypt	3.2.0
beautifulsoup4	4.12.2	hitam	23.3.0	pemutih	4.1.0
blinker	1.4	kebahagiaan	0.7.11	boto3	1.34.39
botocore	1.34.39	Brotli	1.0.9	cachetools (perangkat untuk caching)	5.4.0
katalog	2.0.10	pengkode kategori	2.6.3	sertifikat	2023.7.22
cffi	1.15.1	chardet	4.0.0	charset-normalizer	2.0.4
pemutus sirkuit	1.4.0	klik	8.0.4	cloudpathlib	0.16.0
cloudpickle (perpustakaan Python untuk serialisasi objek)	2.2.1	cmdstanpy	1.2.2	berwarna-warni	0.5.6
Komunikasi	0.1.2	makanan manis	0.1.4	configparser	5.2.0
Contourpy	1.0.5	Kriptografi	41.0.3	pengendara sepeda	0.11.0
cymem	2.0.8	Cython	0.29.32	batu vulkanik dacite	1.8.1
databricks-automl-runtime	0.2.21	Databricks Pengolahan Fitur	0.6.0	databricks-sdk	0.20.0
dataclasses-json	0.6.7	kumpulan data	2.19.1	dbl-tempo	0.1.26
dbus-python	1.2.18	debugpy	1.6.7	penghias	5.1.1
deepspeed	0.14.4	defusedxml	0.7.1	Tidak digunakan lagi	1.2.14
adas	0.3.6	diskcache	5.6.3	distlib	0.3.8
dm-tree	0.1.8	titik masuk	0,4	menilai	0.4.2
Mengeksekusi	0.8.3	gambaran umum aspek	1.1.1	Pemberitahuan Farama	0.0.4
fastjsonschema	2.20.0	fasttext	0.9.2	filelock	3.13.4
Botol	2.2.5	FlatBuffers	24.3.25	alat pengelola font	4.25.0
daftar yang dibekukan	1.3.3	fsspec	2023.5.0	masa depan	0.18.3
Gast	0.4.0	gitdb	4.0.11	GitPython	3.1.27
google-api-core	2.18.0	google-auth (autentikasi Google)	2.21.0	google-auth-oauthlib	1.0.0
google-cloud-core	2.4.1	penyimpanan awan Google	2.10.0	google-crc32c	1.5.0
Google Pasta	0.2.0	google-resumable-media (layanan media berkelanjutan dari Google)	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	gedung olahraga	0.28.1
h11	0.14.0	h5py	3.10.0	hjson	3.1.0
Liburan	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	Hash Gambar	4.3.1
imageio	2.31.1	pembelajaran-tidak-seimbang	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	itu berbahaya	2.0.1	jax-jumpy	1.0.0
Jedi	0.18.1	Jeepney, kendaraan umum khas Filipina	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	gantungan kunci	23.5.0
kiwisolver	1.4.4	langchain	0.1.20	langchain-community	0.0.38
langchain-core	0.1.52	pemisah teks langchain	0.0.2	langkode	3.4.0
langsmith	0.1.63	data bahasa	1.2.0	launchpadlib	1.10.16
lazr.restfulclient (klien layanan web yang menggunakan RESTful)	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
kembang gula (marshmallow)	3.21.2	matplotlib	3.7.2	matplotlib-inline	0.1.6
mdit-py-plugins	0.3.0	mdurl	0.1.0	memray (teknologi atau konsep terkait memori)	1.13.3
penyetelan salah	0.8.4	ml-dtypes	0.3.2	mlflow-kurus*	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
kamus multibahasa	6.0.2	metode ganda	1.12	multiproses	0.70.14
Murmur Hash	1.0.10	ekstensi mypy	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	buku catatan	6.5.4
buku_catatan_shim	0.2.2	numba	0.57.1	numpy (perpustakaan Python untuk operasi numerik)	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-konteks	0.1.3
opentelemetry-api	1.25.0	opentelemetry-sdk	1.25.0	opentelemetry-konvensi-semantik	0.46b0
opt-einsum	3.3.0	optree	0.12.1	orjson	3.10.6
pengemasan	23.2	Panda	1.5.3	Pandocfilters	1.5.0
paramiko	3.4.0	pengurai	0.8.3	spesifikasi jalur	0.10.3
kambing hitam	0.5.3	Petastorm	0.12.1	pexpect	4.8.0
phik	0.12.4	pickleshare	0.7.5	Bantal	9.4.0
pipa	23.2.1	platformdir	3.10.0	secara plot	5.9.0
pmdarima	2.0.4	anjing peliharaan	1.8.1	portalocker	2.10.1
tanpa informasi tambahan mengenai konteks yang berarti bagi istilah "preshed", mungkin terpikir untuk menggambarkan istilah tersebut sebagai langkah atau proses yang sedang terjadi sebelum sesuatu diselesaikan atau diproses lebih lanjut.	3.0.9	prometheus-client	0.14.1	prompt-toolkit	3.0.36
nabi	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
modul pyasn1	0.2.8	pybind11	2.13.1	pyccolo	0.0.52
pycparser	2.21	pydantic (perpustakaan Python untuk validasi data)	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 (paket untuk memproses bahasa YAML dalam Python)	6.0
pyzmq	23.2.0	ikan pari*	2.20.0	regex	2022.7.9
permohonan	2.31.0	requests-oauthlib	1.3.1	kaya	13.7.1
Rsa	4.9	s3transfer	0.10.2	safetensor	0.4.2
scikit-image	0.20.0	scikit-learn	1.3.0	scipy (perpustakaan Python untuk komputasi ilmiah)	1.11.1
Seaborn (perpustakaan Python untuk visualisasi data)	0.12.2	SecretStorage	3.3.1	Send2Trash	1.8.0
pemodel kalimat	2.7.0	sentencepiece	0.1.99	setuptools	68.0.0
bentuk	0.44.0	simplejson	3.17.6	Enam	1.16.0
pemotong	0.0.7	smart-open	5.2.1	smmap	5.0.0
Sniffio	1.2.0	berkas suara	0.12.1	alat penyaring sup	2.4
soxr	0.3.7	lapang	3.7.2	warisan spasi	3.0.12
pencatat spasi	1.0.5	spark-tensorflow-distributor	1.0.0	SQLAlchemy	1.4.39
sqlparse	0.4.2	Seriusan	2.4.8	ssh-import-id	5.11
stack-data	0.2.0	stanio	0.5.1	statsmodels (paket Python untuk pemodelan statistik)	0.14.0
sympy	1.11.1	Terjerat dalam Unicode	0.2.0	kegigihan	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 (penghitung dalam TensorFlow)	2.15.0
tensorflow-io-gcs-filesystem	0.37.1	Termcolor	2.4.0	selesai	0.17.1
Tekstual	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	Tokenisasi-RT	4.2.1	tokenisasi	0.19.0
obor/senter	2.3.1+cpu	torcheval	0.0.7	visi obor	0.18.1+cpu
Tornado	6.3.2	tqdm	4.65.0	sifat	5.7.1
Trafo	4.41.2	typeguard (penjaga tipe)	2.13.3	Typer	0.9.4
mengetik-memeriksa	0.9.0	ekstensi pengetikan (typing_extensions)	4.10.0	tzdata	2022.1
uc-micro-py	1.0.1	ujson	5.4.0	pembaruan otomatis tanpa pengawasan	0.1
urllib3	1.26.16	virtualenv	20.24.2	Visi	0.7.5
wadllib	1.3.6	wasabi	1.1.2	wcwidth	0.2.5
Musang	0.3.4	pengkodean web	0.5.1	websocket-klien	0.58.0
Alat kerja	2.2.3	wheel	0.38.4	wordcloud	1.9.3
terbungkus	1.14.1	xgboost	2.0.3	xxhash	3.4.1
yarl	1.8.1	Pembuatan profil ydata	4.5.1	zipp	3.11.0
zstd	1.5.5.1

* Untuk komputasi yang dibangun pada atau setelah 12 Februari 2025 dan yang tidak diaktifkan untuk Photon, mlflow-skinny ditingkatkan ke 2.19.0. Untuk komputasi yang dibuat pada atau setelah 21 Juli 2025 yang diaktifkan untuk Photon atau menggunakan CPU berbasis Arm64, mlflow-skinny ditingkatkan ke 2.19.0, ray ditingkatkan ke 2.37.0, dan databricks-feature-engineering ditingkatkan ke 0.8.0.

Pustaka Python pada kluster GPU

Perpustakaan	Versi	Perpustakaan	Versi	Perpustakaan	Versi
absl-py	1.0.0	Percepat	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	Pengikatan Argon2-cffi	21.2.0	Astor	0.8.1
asttoken	2.0.5	astunparse	1.6.3	batas waktu asinkron	4.0.2
atribut	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 Data Lake	12.14.0	panggilan balik	0.2.0	bcrypt	3.2.0
beautifulsoup4	4.12.2	hitam	23.3.0	pemutih	4.1.0
blinker	1.4	kebahagiaan	0.7.11	boto3	1.34.39
botocore	1.34.39	Brotli	1.0.9	cachetools (perangkat untuk caching)	5.4.0
katalog	2.0.10	pengkode kategori	2.6.3	sertifikat	2023.7.22
cffi	1.15.1	chardet	4.0.0	charset-normalizer	2.0.4
pemutus sirkuit	1.4.0	klik	8.0.4	cloudpathlib	0.16.0
cloudpickle (perpustakaan Python untuk serialisasi objek)	2.2.1	cmdstanpy	1.2.2	berwarna-warni	0.5.6
Komunikasi	0.1.2	makanan manis	0.1.4	configparser	5.2.0
Contourpy	1.0.5	Kriptografi	41.0.3	pengendara sepeda	0.11.0
cymem	2.0.8	Cython	0.29.32	batu vulkanik dacite	1.8.1
databricks-automl-runtime	0.2.21	Databricks Pengolahan Fitur	0.6.0	databricks-sdk	0.20.0
dataclasses-json	0.6.7	kumpulan data	2.19.1	dbl-tempo	0.1.26
dbus-python	1.2.18	debugpy	1.6.7	penghias	5.1.1
deepspeed	0.14.4	defusedxml	0.7.1	Tidak digunakan lagi	1.2.14
adas	0.3.6	diskcache	5.6.3	distlib	0.3.8
dm-tree	0.1.8	einops	0.8.0	titik masuk	0,4
menilai	0.4.2	Mengeksekusi	0.8.3	gambaran umum aspek	1.1.1
Pemberitahuan Farama	0.0.4	fastjsonschema	2.20.0	fasttext	0.9.2
filelock	3.13.4	flash-attn	2.5.9.post1	Botol	2.2.5
FlatBuffers	24.3.25	alat pengelola font	4.25.0	daftar yang dibekukan	1.3.3
fsspec	2023.5.0	masa depan	0.18.3	Gast	0.4.0
gitdb	4.0.11	GitPython	3.1.27	google-api-core	2.18.0
google-auth (autentikasi Google)	2.21.0	google-auth-oauthlib	1.0.0	google-cloud-core	2.4.1
penyimpanan awan Google	2.10.0	google-crc32c	1.5.0	Google Pasta	0.2.0
google-resumable-media (layanan media berkelanjutan dari Google)	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	gedung olahraga	0.28.1	h11	0.14.0
h5py	3.10.0	hjson	3.1.0	Liburan	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	Hash Gambar	4.3.1	imageio	2.31.1
pembelajaran-tidak-seimbang	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
itu berbahaya	2.0.1	jax-jumpy	1.0.0	Jedi	0.18.1
Jeepney, kendaraan umum khas Filipina	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	gantungan kunci	23.5.0	kiwisolver	1.4.4
langchain	0.1.20	langchain-community	0.0.38	langchain-core	0.1.52
pemisah teks langchain	0.0.2	langkode	3.4.0	langsmith	0.1.63
data bahasa	1.2.0	launchpadlib	1.10.16	lazr.restfulclient (klien layanan web yang menggunakan RESTful)	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	kembang gula (marshmallow)	3.21.2
matplotlib	3.7.2	matplotlib-inline	0.1.6	mdit-py-plugins	0.3.0
mdurl	0.1.0	memray (teknologi atau konsep terkait memori)	1.13.4	penyetelan salah	0.8.4
ml-dtypes	0.3.2	mlflow-kurus*	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	kamus multibahasa	6.0.2
metode ganda	1.12	multiproses	0.70.14	Murmur Hash	1.0.10
ekstensi mypy	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	buku catatan	6.5.4	buku_catatan_shim	0.2.2
numba	0.57.1	numpy (perpustakaan Python untuk operasi numerik)	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-konteks	0.1.3	opentelemetry-api	1.25.0
opentelemetry-sdk	1.25.0	opentelemetry-konvensi-semantik	0.46b0	opt-einsum	3.3.0
optree	0.12.1	orjson	3.10.6	pengemasan	23.2
Panda	1.5.3	Pandocfilters	1.5.0	paramiko	3.4.0
pengurai	0.8.3	spesifikasi jalur	0.10.3	kambing hitam	0.5.3
Petastorm	0.12.1	pexpect	4.8.0	phik	0.12.4
pickleshare	0.7.5	Bantal	9.4.0	pipa	23.2.1
platformdir	3.10.0	secara plot	5.9.0	pmdarima	2.0.4
anjing peliharaan	1.8.1	portalocker	2.10.1	tanpa informasi tambahan mengenai konteks yang berarti bagi istilah "preshed", mungkin terpikir untuk menggambarkan istilah tersebut sebagai langkah atau proses yang sedang terjadi sebelum sesuatu diselesaikan atau diproses lebih lanjut.	3.0.9
prometheus-client	0.14.1	prompt-toolkit	3.0.36	nabi	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	modul pyasn1	0.2.8
pybind11	2.13.1	pyccolo	0.0.52	pycparser	2.21
pydantic (perpustakaan Python untuk validasi data)	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 (paket untuk memproses bahasa YAML dalam Python)	6.0	pyzmq	23.2.0
ikan pari*	2.20.0	regex	2022.7.9	permohonan	2.31.0
requests-oauthlib	1.3.1	kaya	13.7.1	Rsa	4.9
s3transfer	0.10.2	safetensor	0.4.2	scikit-image	0.20.0
scikit-learn	1.3.0	scipy (perpustakaan Python untuk komputasi ilmiah)	1.11.1	Seaborn (perpustakaan Python untuk visualisasi data)	0.12.2
SecretStorage	3.3.1	Send2Trash	1.8.0	pemodel kalimat	2.7.0
sentencepiece	0.1.99	setuptools	68.0.0	bentuk	0.44.0
simplejson	3.17.6	Enam	1.16.0	pemotong	0.0.7
smart-open	5.2.1	smmap	5.0.0	Sniffio	1.2.0
berkas suara	0.12.1	alat penyaring sup	2.4	soxr	0.3.7
lapang	3.7.2	warisan spasi	3.0.12	pencatat spasi	1.0.5
spark-tensorflow-distributor	1.0.0	SQLAlchemy	1.4.39	sqlparse	0.4.2
Seriusan	2.4.8	ssh-import-id	5.11	stack-data	0.2.0
stanio	0.5.1	statsmodels (paket Python untuk pemodelan statistik)	0.14.0	sympy	1.11.1
Terjerat dalam Unicode	0.2.0	kegigihan	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 (penghitung dalam TensorFlow)	2.15.0	tensorflow-io-gcs-filesystem	0.37.1
Termcolor	2.4.0	selesai	0.17.1	Tekstual	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
Tokenisasi-RT	4.2.1	tokenisasi	0.19.0	obor/senter	2.3.1+cu121
torcheval	0.0.7	visi obor	0.18.1+cu121	Tornado	6.3.2
tqdm	4.65.0	sifat	5.7.1	Trafo	4.41.2
Triton	2.3.1	typeguard (penjaga tipe)	2.13.3	Typer	0.9.4
mengetik-memeriksa	0.9.0	ekstensi pengetikan (typing_extensions)	4.10.0	tzdata	2022.1
uc-micro-py	1.0.1	ujson	5.4.0	pembaruan otomatis tanpa pengawasan	0.1
urllib3	1.26.16	virtualenv	20.24.2	Visi	0.7.5
wadllib	1.3.6	wasabi	1.1.2	wcwidth	0.2.5
Musang	0.3.4	pengkodean web	0.5.1	websocket-klien	0.58.0
Alat kerja	2.2.3	wheel	0.38.4	wordcloud	1.9.3
terbungkus	1.14.1	xgboost	2.0.3	xxhash	3.4.1
yarl	1.8.1	Pembuatan profil ydata	4.5.1	zipp	3.11.0
zstd	1.5.5.1

* Untuk komputasi yang dibangun pada atau setelah 12 Februari 2025 dan yang tidak diaktifkan untuk Photon, mlflow-skinny ditingkatkan ke 2.19.0. Untuk komputasi yang dibuat pada atau setelah 21 Juli 2025 yang diaktifkan untuk Photon atau menggunakan CPU berbasis Arm64, mlflow-skinny ditingkatkan ke 2.19.0, ray ditingkatkan ke 2.37.0, dan databricks-feature-engineering ditingkatkan ke 0.8.0.

Pustaka Bahasa Pemrograman R

Pustaka R identik dengan Pustaka R di Databricks Runtime 15.4 LTS.

Pustaka Java dan Scala (kluster Scala 2.12)

Selain pustaka Java dan Scala di Databricks Runtime 15.4 LTS, Databricks Runtime 15.4 LTS ML berisi JAR berikut:

Kluster CPU

ID Kelompok	Identifikasi Artefak	Versi
com.typeafe.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.graphframe	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

Kluster GPU

ID Kelompok	Identifikasi Artefak	Versi
com.typeafe.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.graphframe	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