Databricks Runtime 15.4 LTS do uczenia maszynowego

Środowisko Databricks Runtime 15.4 LTS for Machine Learning zapewnia gotowe do użycia środowisko do uczenia maszynowego i nauki o danych oparte na środowisku Databricks Runtime 15.4 LTS. Środowisko Databricks Runtime ML zawiera wiele popularnych bibliotek uczenia maszynowego, w tym TensorFlow, PyTorch i XGBoost. Środowisko Databricks Runtime ML obejmuje rozwiązanie AutoML— narzędzie do automatycznego trenowania potoków uczenia maszynowego. Środowisko Databricks Runtime ML obsługuje również trenowanie rozproszonego uczenia głębokiego przy użyciu narzędzia TorchDistributor.

Uwaga

LTS oznacza, że ta wersja jest objęta długoterminową pomocą techniczną. Zobacz Cykl życia wersji LTS środowiska Databricks Runtime.

Napiwek

Aby wyświetlić informacje o wersji środowiska Databricks Runtime, które osiągnęły koniec wsparcia technicznego (EoS), zobacz End-of-support Databricks Runtime release notes (Informacje o wersji środowiska Databricks Runtime). Wersje środowiska Uruchomieniowego usługi EoS Databricks zostały wycofane i mogą nie zostać zaktualizowane.

Nowe funkcje i ulepszenia

Środowisko Databricks Runtime 15.4 LTS ML jest oparte na środowisku Databricks Runtime 15.4 LTS. Aby uzyskać informacje na temat nowości w Databricks Runtime 15.4 LTS, w tym Apache Spark MLlib i SparkR, zobacz uwagi do wersji Databricks Runtime 15.4 LTS.

Wagi próbek automatycznego uczenia maszynowego na potrzeby klasyfikacji

Rozwiązanie AutoML obsługuje teraz wagi próbek, co pozwala wpływać na znaczenie każdej klasy podczas trenowania modelu klasyfikacji. Więcej informacji znajdziesz w parametrach klasyfikacji dla interfejsu AutoML Python API.

Zmiany w kliencie inżynierii funkcji usługi Databricks

Wersja databricks-feature-engineering, która została dostarczona z Databricks Runtime 15.4 LTS ML, to 0.6.0.

• W przypadku obliczeń utworzonych w dniu lub po 31 marca 2025 r., które nie są włączone dla Photon, zainstalowana wersja databricks-feature-engineering to 0.8.0.
• W przypadku obliczeń utworzonych w lub po dniu 21 lipca 2025 r., dla których włączono Photon lub używany jest procesor oparty na Arm64, zainstalowana wersja databricks-feature-engineering to 0.8.0.

Aby uzyskać informacje o nowych funkcjonalnościach w API inżynierii cech w języku Python dla Databricks, zobacz informacje o wersji klienta dotyczącej inżynierii cech.

Inne zmiany

Petastorm jest teraz przestarzała

Pakiet Petastorm jest teraz przestarzały. Wersje po wersji 15.4 LTS ML nie będą miały wstępnie zainstalowanego pakietu. Mosaic Streaming jest zalecanym zamiennikiem ładowania dużych zestawów danych z przechowywania w chmurze.

Dystrybutor Spark Tensorflow jest teraz przestarzały

Pakiet spark-tensorflow-distributor jest teraz przestarzały. Wersje po wersji 15.4 LTS ML nie będą miały wstępnie zainstalowanego pakietu. Ray on Databricks jest zalecanym zamiennikiem rozproszonego trenowania modelu Tensorflow lub Keras.

Środowisko systemu

Środowisko systemowe w środowisku Databricks Runtime 15.4 LTS ML różni się od środowiska Databricks Runtime 15.4 LTS w następujący sposób:

• W przypadku klastrów gpu środowisko Databricks Runtime ML obejmuje następujące biblioteki procesora GPU FIRMY NVIDIA:
  • 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

Biblioteki

W poniższych sekcjach wymieniono biblioteki zawarte w środowisku Databricks Runtime 15.4 LTS ML, które różnią się od bibliotek zawartych w środowisku Databricks Runtime 15.4 LTS.

W tej sekcji:

• Biblioteki najwyższego poziomu
• Biblioteki języka Python
• Biblioteki języka R
• Biblioteki Java i Scala (klaster Scala 2.12)

Biblioteki najwyższego poziomu

Środowisko Databricks Runtime 15.4 LTS ML zawiera następujące biblioteki najwyższego poziomu:

• Zestawy danych
• Ramki programu Graph
• MLflow
• PyTorch
• spark-tensorflow-connector (konektor dla integracji Spark i TensorFlow)
• Scikit-learn
• TensorFlow
• TensorBoard
• Transformery

Biblioteki języka Python

Środowisko Databricks Runtime 15.4 LTS ML używa virtualenv do zarządzania pakietami języka Python i zawiera wiele popularnych pakietów uczenia maszynowego.

Oprócz pakietów określonych w poniższych sekcjach środowisko Databricks Runtime 15.4 LTS ML zawiera również następujące pakiety:

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

Aby odtworzyć środowisko Databricks Runtime ML w lokalnym wirtualnym środowisku Pythona:

1. Pobierz odpowiedni requirements.txt plik. Zobacz requirements.txt wersje plików dla środowiska Databricks Runtime 15.4 LTS ML.

2. W systemach Ubuntu uruchom polecenie sudo apt-get install libpq-dev libcairo2-dev libdbus-1-dev libgirepository1.0-dev libsnappy-dev , aby zainstalować biblioteki systemowe.

3. Uruchom program pip install -r requirements-<version>.txt> --extra-index-url https://download.pytorch.org/whl/cpu. Na przykład pip install -r requirements-15.4-v3.txt --extra-index-url https://download.pytorch.org/whl/cpu.

   To polecenie instaluje wszystkie biblioteki typu open source używane przez usługę Databricks Runtime ML, ale nie instaluje bibliotek opracowanych przez usługę Databricks, takich jak databricks-automl, lub rozwidlenie hyperopt usługi Databricks lub horovod.

requirements.txt wersje plików dla środowiska Databricks Runtime 15.4 LTS ML

Niektóre pakiety zostały uaktualnione po początkowej wersji środowiska Databricks Runtime 15.4 LTS ML. Poniższa tabela umożliwia określenie i pobranie poprawnego requirements.txt pliku.

Data utworzenia procesu obliczeniowego	Stan fotonu	Pakiety zaktualizowane po początkowej wersji systemu Databricks Runtime 15.4 LTS ML	Plik requirements.txt
Przed 11 lutego 2025 r.	Jakikolwiek	Żaden	requirements-15.4.txt
Od 12 lutego 2025 r. do 30 marca 2025 r.	Nie włączono dla Photon	mlflow-skinny 2.19.0	requirements-15.4-v2.txt
Od 31 marca 2025 r. do 20 lipca 2025 r.	Nie włączono dla Photon	mlflow-skinny 2.19.0 databricks-feature-engineering 0.8.0	requirements-15.4-v3.txt
21 lipca 2025 roku lub później	Włączono funkcję Photon lub używa procesora opartego na architekturze Arm64	mlflow-skinny 2.19.0 databricks-feature-engineering 0.8.0 ray 2.37.0	requirements-15.4-v4.txt

Biblioteki języka Python w klastrach procesora CPU

Biblioteka	Wersja	Biblioteka	Wersja	Biblioteka	Wersja
absl-py	1.0.0	przyspieszać	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	czas wyczekiwania asynchronicznego	4.0.2
attrs	22.1.0	odczyt dźwięku	3.0.1	azure-core	1.30.2
azure-cosmos	4.3.1	azure-identity	1.17.1	Azure Storage Blob	12.19.1
Usługa przechowywania w chmurze Azure (azure-storage-file-datalake)	12.14.0	oddzwonienie	0.2.0	bcrypt	3.2.0
beautifulsoup4	4.12.2	czarny	23.3.0	wybielacz	4.1.0
kierunkowskaz	1.4	błogość	0.7.11	boto3	1.34.39
botocore	1.34.39	Brotli	1.0.9	cachetools (narzędzia do zarządzania pamięcią podręczną)	5.4.0
katalog	2.0.10	kodery kategorii	2.6.3	certyfikat	2023.7.22
cffi	1.15.1	chardet	4.0.0	normalizator zestawu znaków	2.0.4
wyłącznik obwodowy	1.4.0	kliknij	8.0.4	cloudpathlib	0.16.0
cloudpickle (biblioteka Python do serializacji obiektów)	2.2.1	cmdstanpy	1.2.2	kolorowy	0.5.6
Komunikacja	0.1.2	słodycze	0.1.4	configparser	5.2.0
ContourPy	1.0.5	kryptografia	41.0.3	rowerzysta	0.11.0
cymem	2.0.8	Cython	0.29.32	dacyt	1.8.1
databricks-automl-runtime	0.2.21	databricks-feature-engineering*	0.6.0	databricks-sdk	0.20.0
dataclasses-json	0.6.7	zbiory danych	2.19.1	dbl-tempo	0.1.26
dbus-python	1.2.18	debugpy	1.6.7	dekorator	5.1.1
Deepspeed	0.14.4	defusedxml (biblioteka zabezpieczająca przetwarzanie XML)	0.7.1	Przestarzałe	1.2.14
koper	0.3.6	bufor dyskowy	5.6.3	distlib	0.3.8
dm-tree	0.1.8	punkty wejścia	0,4	ocenić	0.4.2
Wykonywanie	0.8.3	aspekty — omówienie	1.1.1	Powiadomienia Farama	0.0.4
fastjsonschema	2.20.0	FastText	0.9.2	blokada plików	3.13.4
Flask	2.2.5	flatbuffers	24.3.25	fonttools	4.25.0
zablokowana lista	1.3.3	fsspec	2023.5.0	przyszłość	0.18.3
Gast	0.4.0	gitdb (baza danych Git)	4.0.11	GitPython	3.1.27
google-api-core	2.18.0	google-auth (autoryzacja Google)	2.21.0	google-auth-oauthlib (biblioteka uwierzytelniania OAuth dla Google)	1.0.0
google-cloud-core	2.4.1	Google Cloud Storage (usługa przechowywania danych w chmurze od Google)	2.10.0	google-crc32c (biblioteka do obsługi algorytmu crc32c od Google)	1.5.0
Google-pasta	0.2.0	Google Media z Możliwością Wznowienia	2.7.1	googleapis-common-protos	1.63.0
zielona nitka	2.0.1	grpcio	1.60.0	status grpcio	1.60.0
gunicorn	20.1.0	Gviz-API	1.10.0	sala gimnastyczna	0.28.1
h11	0.14.0	h5py	3.10.0	hjson	3.1.0
wakacje	0,45	korowód	0.28.1+db1	htmlmin	0.1.12
httpcore	1.0.5	httplib2	0.20.2	httpx	0.27.0
Hugging Face Hub	0.23.4	IDNA	3.4	ImageHash	4.3.1
imageio	2.31.1	niezrównoważona nauka	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	jegodangerous	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
serwer Jupyter	1.23.4	jupyter_client	7.4.9	jupyter_core	5.3.0
jupyterlab-pygments	0.1.2	Keras	3.2.1	brelok	23.5.0
kiwisolver	1.4.4	langchain	0.1.20	langchain-community	0.0.38
langchain-core	0.1.52	langchain - dzielniki tekstu	0.0.2	kody językowe	3.4.0
langsmith	0.1.63	dane_językowe	1.2.0	launchpadlib	1.10.16
lazr.restfulclient	0.14.4	lazr.uri	1.0.6	leniwy ładowacz	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 jest biblioteką do analizy XML i HTML.	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
pianka cukrowa	3.21.2	biblioteka matplotlib	3.7.2	biblioteka matplotlib-inline	0.1.6
mdit-py-plugins	0.3.0	mdurl	0.1.0	memray	1.13.3
rozstroić	0.8.4	ml-dtypes	0.3.2	mlflow-skinny*	2.13.1
więcej 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	wielometoda	1.12	wieloprocesowy	0.70.14
MurmurHash	1.0.10	mypy-extensions	0.4.3	namex	0.0.8
nbclassic	0.5.5	NBClient	0.5.13	nbconvert - narzędzie do konwersji plików Jupyter Notebook	6.5.4
nbformat	5.7.0	nest-asyncio	1.5.6	networkx	3.1
Ninja	1.11.1.1	Natural Language Toolkit (nltk)	3.8.1	notes	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-context	0.1.3
opentelemetry-api	1.25.0	opentelemetry-sdk	1.25.0	opentelemetry-semantic-conventions (standardowe konwencje semantyczne w OpenTelemetry)	0.46b0
opt-einsum	3.3.0	optree	0.12.1	orjson	3.10.6
opakowanie	23.2	Pandas	1.5.3	pandocfilters	1.5.0
paramiko - biblioteka do protokołu SSH2 dla języka Python	3.4.0	parso	0.8.3	specyfikacja ścieżki	0.10.3
frajer	0.5.3	petastorm	0.12.1	pexpect	4.8.0
phik	0.12.4	pickleshare (jeśli to nazwa własna, nie trzeba tłumaczyć)	0.7.5	Poduszka	9.4.0
pip (menedżer pakietów Pythona)	23.2.1	platformdirs	3.10.0	kreślenie	5.9.0
pmdarima	2.0.4	kundel	1.8.1	portalocker	2.10.1
przeszhetowany	3.0.9	prometheus-client	0.14.1	zestaw narzędzi prompt	3.0.36
prorok	1.1.5	proto-plus	1.24.0	Protobuf (w skrócie od Protocol Buffers)	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-szpieg	0.3.14
pyarrow	14.0.1	pyarrow-hotfix	0,6	pyasn1	0.4.8
pyasn1-modules	0.2.8	pybind11	2.13.1	pyccolo	0.0.52
pycparser	2.21	pydantic (biblioteka Python do walidacji danych i zarządzania ustawieniami)	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 – biblioteka do przetwarzania tekstu w Pythonie	3.0.9
pirstent	0.18.0	pytesseract	0.3.10	python-dateutil (biblioteka Pythona do zarządzania datami)	2.8.2
Python-editor	1.0.4	python-lsp-jsonrpc	1.1.1	python-snappy	0.6.1
pytz (biblioteka Pythona do obliczeń stref czasowych)	2022.7	PyWavelets	1.4.1	PyYAML	6.0
pyzmq	23.2.0	promień*	2.20.0	wyrażenie regularne	2022.7.9
żądania	2.31.0	requests-oauthlib	1.3.1	bogaty	13.7.1
RSA	4.9	s3transfer	0.10.2	bezpiecznetensory	0.4.2
scikit-image	0.20.0	scikit-learn	1.3.0	scipy (biblioteka naukowa dla Pythona)	1.11.1
seaborn (biblioteka wizualizacji danych w Pythonie)	0.12.2	SecretStorage	3.3.1	Send2Trash	1.8.0
transformatory zdań	2.7.0	element zdania	0.1.99	setuptools	68.0.0
Shap	0.44.0	simplejson	3.17.6	Sześć	1.16.0
fragmentator	0.0.7	inteligentne otwieranie	5.2.1	smmap	5.0.0
Sniffio	1.2.0	plik dźwiękowy	0.12.1	sitko do zupy	2,4
soxr	0.3.7	przestronny	3.7.2	spacy-legacy	3.0.12
spacy-loggers	1.0.5	spark-tensorflow-distributor (biblioteka do dystrybucji TensorFlow w Spark)	1.0.0	SQLAlchemy	1.4.39
sqlparse	0.4.2	serio	2.4.8	ssh-import-id (narzędzie do importowania kluczy SSH)	5,11
stos danych	0.2.0	cyna	0.5.1	statsmodels - biblioteka do modelowania statystycznego	0.14.0
sympy	1.11.1	splątane-w-unicode	0.2.0	Wytrzymałość	8.2.2
TensorBoard	2.16.2	serwer danych TensorBoard	0.7.2	TensorBoard_wtyczka_profil	2.15.1
tensorboardX	2.6.2.2	TensorFlow	2.16.1	tensorflow-estimator (moduł TensorFlow do estymacji)	2.15.0
tensorflow-io-gcs-filesystem	0.37.1	termcolor (narzędzie do zarządzania kolorami w terminalu)	2.4.0	zakończony	0.17.1
Tekstowy	0.63.3	tf_keras	2.16.0	cienki	8.2.3
threadpoolctl	2.2.0	tifffile	2021.7.2	tiktoken	0.5.2
tinycss2	1.2.1	tokenize-rt	4.2.1	tokenizatory	0.19.0
pochodnia	2.3.1+ procesor	torcheval	0.0.7	TorchVision (Wizja Pochodni	0.18.1+ procesor
tornado	6.3.2	tqdm	4.65.0	traitlety	5.7.1
Transformers	4.41.2	osłona typów	2.13.3	pisarz	0.9.4
kontrola pisania	0.9.0	moduł typing_extensions	4.10.0	tzdata	2022.1
uc-micro-py	1.0.1	ujson (szybka biblioteka do obsługi formatu JSON)	5.4.0	nienadzorowane uaktualnienia	0.1
urllib3	1.26.16	virtualenv	20.24.2	Wizje	0.7.5
wadllib	1.3.6	wasabi	1.1.2	szerokość(wcwidth)	0.2.5
łasica	0.3.4	kodowania sieciowe	0.5.1	klient websocket	0.58.0
Narzędzie	2.2.3	wheel	0.38.4	wordcloud	1.9.3
zawinięty	1.14.1	xgboost	2.0.3	xxhash	3.4.1
Yarl	1.8.1	ydata-profiling (profilowanie danych)	4.5.1	zamek błyskawiczny	3.11.0
zstd	1.5.5.1

* W przypadku obliczeń utworzonych w dniu 12 lutego 2025 r. i które nie są włączone dla aplikacji Photon, mlflow-skinny zostanie uaktualnione do wersji 2.19.0. W przypadku obliczeń utworzonych 21 lipca 2025 r. lub później, które są włączone dla Photon lub używają CPU opartego na architekturze Arm64, jest aktualizowana do wersji 2.19.0, mlflow-skinny jest aktualizowana do wersji 2.37.0, a ray jest aktualizowana do wersji 0.8.0.

Biblioteki języka Python w klastrach gpu

Biblioteka	Wersja	Biblioteka	Wersja	Biblioteka	Wersja
absl-py	1.0.0	przyspieszać	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	czas wyczekiwania asynchronicznego	4.0.2
attrs	22.1.0	odczyt dźwięku	3.0.1	azure-core	1.30.2
azure-cosmos	4.3.1	azure-identity	1.17.1	Azure Storage Blob	12.19.1
Usługa przechowywania w chmurze Azure (azure-storage-file-datalake)	12.14.0	oddzwonienie	0.2.0	bcrypt	3.2.0
beautifulsoup4	4.12.2	czarny	23.3.0	wybielacz	4.1.0
kierunkowskaz	1.4	błogość	0.7.11	boto3	1.34.39
botocore	1.34.39	Brotli	1.0.9	cachetools (narzędzia do zarządzania pamięcią podręczną)	5.4.0
katalog	2.0.10	kodery kategorii	2.6.3	certyfikat	2023.7.22
cffi	1.15.1	chardet	4.0.0	normalizator zestawu znaków	2.0.4
wyłącznik obwodowy	1.4.0	kliknij	8.0.4	cloudpathlib	0.16.0
cloudpickle (biblioteka Python do serializacji obiektów)	2.2.1	cmdstanpy	1.2.2	kolorowy	0.5.6
Komunikacja	0.1.2	słodycze	0.1.4	configparser	5.2.0
ContourPy	1.0.5	kryptografia	41.0.3	rowerzysta	0.11.0
cymem	2.0.8	Cython	0.29.32	dacyt	1.8.1
databricks-automl-runtime	0.2.21	databricks-feature-engineering*	0.6.0	databricks-sdk	0.20.0
dataclasses-json	0.6.7	zbiory danych	2.19.1	dbl-tempo	0.1.26
dbus-python	1.2.18	debugpy	1.6.7	dekorator	5.1.1
Deepspeed	0.14.4	defusedxml (biblioteka zabezpieczająca przetwarzanie XML)	0.7.1	Przestarzałe	1.2.14
koper	0.3.6	bufor dyskowy	5.6.3	distlib	0.3.8
dm-tree	0.1.8	einops	0.8.0	punkty wejścia	0,4
ocenić	0.4.2	Wykonywanie	0.8.3	aspekty — omówienie	1.1.1
Powiadomienia Farama	0.0.4	fastjsonschema	2.20.0	FastText	0.9.2
blokada plików	3.13.4	flash-attn	2.5.9.post1	Flask	2.2.5
flatbuffers	24.3.25	fonttools	4.25.0	zablokowana lista	1.3.3
fsspec	2023.5.0	przyszłość	0.18.3	Gast	0.4.0
gitdb (baza danych Git)	4.0.11	GitPython	3.1.27	google-api-core	2.18.0
google-auth (autoryzacja Google)	2.21.0	google-auth-oauthlib (biblioteka uwierzytelniania OAuth dla Google)	1.0.0	google-cloud-core	2.4.1
Google Cloud Storage (usługa przechowywania danych w chmurze od Google)	2.10.0	google-crc32c (biblioteka do obsługi algorytmu crc32c od Google)	1.5.0	Google-pasta	0.2.0
Google Media z Możliwością Wznowienia	2.7.1	googleapis-common-protos	1.63.0	zielona nitka	2.0.1
grpcio	1.60.0	status grpcio	1.60.0	gunicorn	20.1.0
Gviz-API	1.10.0	sala gimnastyczna	0.28.1	h11	0.14.0
h5py	3.10.0	hjson	3.1.0	wakacje	0,45
korowód	0.28.1+db1	htmlmin	0.1.12	httpcore	1.0.5
httplib2	0.20.2	httpx	0.27.0	Hugging Face Hub	0.23.4
IDNA	3.4	ImageHash	4.3.1	imageio	2.31.1
niezrównoważona nauka	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
jegodangerous	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	serwer Jupyter	1.23.4
jupyter_client	7.4.9	jupyter_core	5.3.0	jupyterlab-pygments	0.1.2
Keras	3.2.1	brelok	23.5.0	kiwisolver	1.4.4
langchain	0.1.20	langchain-community	0.0.38	langchain-core	0.1.52
langchain - dzielniki tekstu	0.0.2	kody językowe	3.4.0	langsmith	0.1.63
dane_językowe	1.2.0	launchpadlib	1.10.16	lazr.restfulclient	0.14.4
lazr.uri	1.0.6	leniwy ładowacz	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 jest biblioteką do analizy XML i HTML.	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	pianka cukrowa	3.21.2
biblioteka matplotlib	3.7.2	biblioteka matplotlib-inline	0.1.6	mdit-py-plugins	0.3.0
mdurl	0.1.0	memray	1.13.4	rozstroić	0.8.4
ml-dtypes	0.3.2	mlflow-skinny*	2.13.1	więcej 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
wielometoda	1.12	wieloprocesowy	0.70.14	MurmurHash	1.0.10
mypy-extensions	0.4.3	namex	0.0.8	nbclassic	0.5.5
NBClient	0.5.13	nbconvert - narzędzie do konwersji plików Jupyter Notebook	6.5.4	nbformat	5.7.0
nest-asyncio	1.5.6	networkx	3.1	Ninja	1.11.1.1
Natural Language Toolkit (nltk)	3.8.1	notes	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	środowisko uruchomieniowe NVIDIA CUDA 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-context	0.1.3	opentelemetry-api	1.25.0
opentelemetry-sdk	1.25.0	opentelemetry-semantic-conventions (standardowe konwencje semantyczne w OpenTelemetry)	0.46b0	opt-einsum	3.3.0
optree	0.12.1	orjson	3.10.6	opakowanie	23.2
Pandas	1.5.3	pandocfilters	1.5.0	paramiko - biblioteka do protokołu SSH2 dla języka Python	3.4.0
parso	0.8.3	specyfikacja ścieżki	0.10.3	frajer	0.5.3
petastorm	0.12.1	pexpect	4.8.0	phik	0.12.4
pickleshare (jeśli to nazwa własna, nie trzeba tłumaczyć)	0.7.5	Poduszka	9.4.0	pip (menedżer pakietów Pythona)	23.2.1
platformdirs	3.10.0	kreślenie	5.9.0	pmdarima	2.0.4
kundel	1.8.1	portalocker	2.10.1	przeszhetowany	3.0.9
prometheus-client	0.14.1	zestaw narzędzi prompt	3.0.36	prorok	1.1.5
proto-plus	1.24.0	Protobuf (w skrócie od Protocol Buffers)	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-szpieg	0.3.14	pyarrow	14.0.1
pyarrow-hotfix	0,6	pyasn1	0.4.8	pyasn1-modules	0.2.8
pybind11	2.13.1	pyccolo	0.0.52	pycparser	2.21
pydantic (biblioteka Python do walidacji danych i zarządzania ustawieniami)	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 – biblioteka do przetwarzania tekstu w Pythonie	3.0.9	pirstent	0.18.0
pytesseract	0.3.10	python-dateutil (biblioteka Pythona do zarządzania datami)	2.8.2	Python-editor	1.0.4
python-lsp-jsonrpc	1.1.1	python-snappy	0.6.1	pytz (biblioteka Pythona do obliczeń stref czasowych)	2022.7
PyWavelets	1.4.1	PyYAML	6.0	pyzmq	23.2.0
promień*	2.20.0	wyrażenie regularne	2022.7.9	żądania	2.31.0
requests-oauthlib	1.3.1	bogaty	13.7.1	RSA	4.9
s3transfer	0.10.2	bezpiecznetensory	0.4.2	scikit-image	0.20.0
scikit-learn	1.3.0	scipy (biblioteka naukowa dla Pythona)	1.11.1	seaborn (biblioteka wizualizacji danych w Pythonie)	0.12.2
SecretStorage	3.3.1	Send2Trash	1.8.0	transformatory zdań	2.7.0
element zdania	0.1.99	setuptools	68.0.0	Shap	0.44.0
simplejson	3.17.6	Sześć	1.16.0	fragmentator	0.0.7
inteligentne otwieranie	5.2.1	smmap	5.0.0	Sniffio	1.2.0
plik dźwiękowy	0.12.1	sitko do zupy	2,4	soxr	0.3.7
przestronny	3.7.2	spacy-legacy	3.0.12	spacy-loggers	1.0.5
spark-tensorflow-distributor (biblioteka do dystrybucji TensorFlow w Spark)	1.0.0	SQLAlchemy	1.4.39	sqlparse	0.4.2
serio	2.4.8	ssh-import-id (narzędzie do importowania kluczy SSH)	5,11	stos danych	0.2.0
cyna	0.5.1	statsmodels - biblioteka do modelowania statystycznego	0.14.0	sympy	1.11.1
splątane-w-unicode	0.2.0	Wytrzymałość	8.2.2	TensorBoard	2.16.2
serwer danych TensorBoard	0.7.2	TensorBoard_wtyczka_profil	2.15.1	tensorboardX	2.6.2.2
TensorFlow	2.16.1	tensorflow-estimator (moduł TensorFlow do estymacji)	2.15.0	tensorflow-io-gcs-filesystem	0.37.1
termcolor (narzędzie do zarządzania kolorami w terminalu)	2.4.0	zakończony	0.17.1	Tekstowy	0.63.3
tf_keras	2.16.0	cienki	8.2.3	threadpoolctl	2.2.0
tifffile	2021.7.2	tiktoken	0.5.2	tinycss2	1.2.1
tokenize-rt	4.2.1	tokenizatory	0.19.0	pochodnia	2.3.1+cu121
torcheval	0.0.7	TorchVision (Wizja Pochodni	0.18.1+cu121	tornado	6.3.2
tqdm	4.65.0	traitlety	5.7.1	Transformers	4.41.2
tryton	2.3.1	osłona typów	2.13.3	pisarz	0.9.4
kontrola pisania	0.9.0	moduł typing_extensions	4.10.0	tzdata	2022.1
uc-micro-py	1.0.1	ujson (szybka biblioteka do obsługi formatu JSON)	5.4.0	nienadzorowane uaktualnienia	0.1
urllib3	1.26.16	virtualenv	20.24.2	Wizje	0.7.5
wadllib	1.3.6	wasabi	1.1.2	szerokość(wcwidth)	0.2.5
łasica	0.3.4	kodowania sieciowe	0.5.1	klient websocket	0.58.0
Narzędzie	2.2.3	wheel	0.38.4	wordcloud	1.9.3
zawinięty	1.14.1	xgboost	2.0.3	xxhash	3.4.1
Yarl	1.8.1	ydata-profiling (profilowanie danych)	4.5.1	zamek błyskawiczny	3.11.0
zstd	1.5.5.1

* W przypadku obliczeń utworzonych w dniu 12 lutego 2025 r. i które nie są włączone dla aplikacji Photon, mlflow-skinny zostanie uaktualnione do wersji 2.19.0. W przypadku obliczeń utworzonych 21 lipca 2025 r. lub później, które są włączone dla Photon lub używają CPU opartego na architekturze Arm64, jest aktualizowana do wersji 2.19.0, mlflow-skinny jest aktualizowana do wersji 2.37.0, a ray jest aktualizowana do wersji 0.8.0.

Biblioteki R

Biblioteki języka R są identyczne z bibliotekami języka R w środowisku Databricks Runtime 15.4 LTS.

Biblioteki Java i Scala (klaster Scala 2.12)

Oprócz bibliotek Java i Scala w środowisku Databricks Runtime 15.4 LTS środowisko Databricks Runtime 15.4 LTS ML zawiera następujące elementy JAR:

Klastry procesora CPU

Identyfikator grupy	Identyfikator artefaktu	Wersja
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

Klastry procesora GPU

Identyfikator grupy	Identyfikator artefaktu	Wersja
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