Bezserwerowe środowisko procesora GPU w wersji 5 (wersja zapoznawcza)

Ważna

Ta funkcja jest dostępna w publicznej wersji testowej.

Na tej stronie przedstawiono informacje o środowisku systemowym dla środowiska bezserwerowego procesora GPU w wersji 5. Ta oferta obliczeniowa jest częścią środowiska uruchomieniowego sztucznej inteligencji, który jest przeznaczony dla nowoczesnych obciążeń sztucznej inteligencji i uczenia głębokiego.

Bezserwerowe środowisko GPU 5 jest oparte na środowisku bezserwerowym 5 (CPU). Zobacz, co nowego w środowisku bezserwerowym 5 (CPU). Obejmuje to następujące środowisko:

Aby zapewnić zgodność aplikacji, bezserwerowe obciążenia procesora GPU używają interfejsu API w wersji znanej jako wersja środowiska, która pozostaje zgodna z nowszymi wersjami serwera.

Możesz wybrać środowisko podstawowe zawierające tę wersję środowiska przy użyciu panelu bocznego Środowisko w notesach bezserwerowych. Zobacz Interaktywne (notebooki).

Nowe funkcje i ulepszenia

W wersji 5 usługa Databricks udostępnia minimalne środowisko, które obsługuje tylko bezserwerowy interfejs API procesora GPU, zależności usługi Databricks i MLflow. Użytkownicy mogą dostosować środowisko do swoich potrzeb. Domyślne środowisko podstawowe w wersji 5 nie zawiera niektórych pakietów znajdujących się w środowisku procesora CPU, aby zapewnić minimalne funkcjonalne środowisko procesora GPU. Użytkownicy, którzy chcą kompletnego środowiska z kompleksowymi bibliotekami sztucznej inteligencji, powinni korzystać ze środowiska sztucznej inteligencji usługi Databricks.

Aktualizacje interfejsu API

24 kwietnia 2026 r.

Bezserwerowy interfejs API Python gpu uaktualniony do wersji 0.5.16

Bezserwerowy procesor GPU Python API 0.5.16 zawiera następujące aktualizacje interfejsu API:

  • Nowe funkcje:
    • Dodano UCVolumeDataset Torch IterableDataset, który przesyła strumieniowo pliki z woluminu zamontowanego za pomocą FUSE w ramach Unity Catalog. Listy plików są automatycznie partycjonowane w rozproszonych szeregach oraz pracownikach DataLoader, dzięki czemu każda para (rank, worker) otrzymuje unikalny, nienakładający się fragment.
    • Bezserwerowy interfejs API procesora GPU obsługuje teraz typ akceleratora 1xH100 dla obciążeń pojedynczego H100.
    • Zmniejszenie szumu logów z PySpark i Py4J podczas lokalnego wykonywania. Komunikat katalogu dzienników jest teraz rejestrowany na poziomie debugowania zamiast drukowany.

14 kwietnia 2026 r.

Bezserwerowy interfejs API Python gpu uaktualniony do wersji 0.5.15

Bezserwerowy procesor GPU Python API 0.5.15 zawiera następujące aktualizacje interfejsu API:

  • Nowe funkcje:
    • Dodano propagację dzienników do MLflow dla lokalnych uruchomień bezserwerowego API na GPU. Logi treningowe z lokalnych wykonań są teraz automatycznie przekazywane do platformy MLflow.
  • Poprawki błędów:
    • Gdy PyTorch nie jest zainstalowany, komunikat o błędzie teraz poprawnie wskazuje, że środowisko podstawowe w wersji Standard v5 nie zawiera biblioteki torch.
  • Zabezpieczenia:
    • Przypięto wszystkie wersje zależności Pythona w konkretnych wersjach, aby zapobiec atakom na łańcuch dostaw z powodu nowo opublikowanych złośliwych wersji pakietów.

17 marca 2026 r.

Bezserwerowy interfejs API Python gpu uaktualniony do wersji 0.5.14

Bezserwerowy procesor GPU Python API 0.5.14 zawiera następujące aktualizacje interfejsu API:

  • Poprawki błędów:
    • Rozwiązano problem, w którym bezserwerowy interfejs API GPU nie działał na płaszczyznach kontrolnych bez dostępnego MAPI. API teraz płynnie wraca do zasobów obliczeniowych na żądanie, gdy MAPI jest niedostępny.

2 marca 2026 r.

Bezserwerowy interfejs API Python gpu uaktualniony do wersji 0.5.13

Bezserwerowy procesor GPU Python API 0.5.13 zawiera następujące aktualizacje interfejsu API:

  • Poprawki błędów:
    • Naprawiono parsowanie nazwy urządzenia GPU A10 Azure w trybie lokalnym. Interfejs API obsługuje teraz formaty specyficzne dla Azure, takie jak "A10-24Q".
    • Rozwiązano problem polegający na tym, że aktywny przebieg MLflow nie został zamknięty po zakończeniu lokalnego wykonywania.
    • Naprawiono zgodność strumieniowego przesyłania danych MLflow z MLflow 3.x. Zmiana ścieżki pobierania artefaktów w MLflow 3.x spowodowała zakłócenie strumieniowania logów. Przesyłanie strumieniowe dzienników działa teraz poprawnie zarówno z biblioteką MLflow 2.x, jak i 3.x.
    • Rozwiązano problem powodujący zawieszanie się serii treningowych. Funkcja synchronizacji stanu MLflow między rangami, wprowadzona w poprzedniej wersji, została cofnięta.

Pakiety nieuwzględniane w środowisku podstawowym

Następujące pakiety nie są uwzględniane w środowisku podstawowym, ale pozostają dostępne w środowisku procesora CPU:

  • scipy
  • seaborn
  • scikit-learn

Na podstawie opinii klientów żądających kontroli nad wersjonowaniem PyTorch, torch nie jest uwzględniany w podstawowym środowisku dla wersji 5. Dzięki temu można zainstalować wersję, która najlepiej pasuje do obciążenia. Aby użyć przetestowanej wersji usługi Databricks, uruchom polecenie %pip install torch==2.9.0 w komórce notebooka lub zainstaluj torch==2.9.0 przy użyciu sekcji Zależności panelu bocznego Środowisko.

Środowisko systemu

  • system operacyjny: Ubuntu 24.04.2 LTS
  • Python: 3.12.3
  • Databricks Connect: 18.0.0
  • ZESTAW NARZĘDZI NVIDIA CUDA: 12.9

Zainstalowane biblioteki języka Python

Domyślne środowisko podstawowe

Aby odtworzyć bezserwerowe środowisko procesora GPU 5 w lokalnym środowisku wirtualnym języka Python, pobierz plik requirements-env-gpu-5.txt i uruchom polecenie pip install -r requirements-env-gpu-5.txt. To polecenie instaluje wszystkie biblioteki open source ze środowiska bezserwerowego 5.

Biblioteka Wersja Biblioteka Wersja Biblioteka Wersja
aiohappyeyeballs 2.4.4 aiohttp 3.11.10 aiosignal 1.2.0
dokument z adnotacjami 0.0.4 typy z adnotacjami 0.7.0 anyio 4.7.0
argon2-cffi 21.3.0 argon2-cffi-bindings 21.2.0 arro3-core 0.6.5
strzałka 1.3.0 asttokens 3.0.0 astunparse 1.6.3
async-lru 2.0.4 attrs 24.3.0 azure-common 1.1.28
azure-core 1.37.0 azure-identity 1.20.0 azure-mgmt-core (rdzeń zarządzania Azure) 1.6.0
azure-mgmt-web 8.0.0 Azure Storage Blob 12.28.0 Usługa przechowywania w chmurze Azure (azure-storage-file-datalake) 12.22.0
Babel 2.16.0 beautifulsoup4 4.12.3 czarny 24.10.0
wybielacz 6.2.0 kierunkowskaz 1.7.0 boto3 1.40.45
botocore 1.40.45 cachetools (narzędzia do zarządzania pamięcią podręczną) 5.5.1 certyfikat 2025.4.26
cffi 1.17.1 chardet 4.0.0 normalizator zestawu znaków 3.3.2
kliknij 8.1.8 cloudpickle (biblioteka Python do serializacji obiektów) 3.0.0 komunikacja 0.2.1
ContourPy 1.3.1 kryptografia 44.0.1 rowerzysta 0.11.0
Cython 3.1.5 databricks-agents 1.9.1 databricks-connect 18.0.0
databricks-sdk 0.67.0 databricks.serverless_gpu 0.5.11 dataclasses-json 0.6.7
dbus-python 1.3.2 debugpy 1.8.11 dekorator 5.1.1
defusedxml (biblioteka zabezpieczająca przetwarzanie XML) 0.7.1 deltalake 1.1.4 Deprecated 1.2.18
distlib 0.3.9 dystrybucja (distro) 1.9.0 informacje o dystrybucji 1.7+kompilacja1
Konwertowanie docstringów na markdown 0,11 wykonywanie 1.2.0 aspekty — omówienie 1.1.1
fastapi 0.128.0 fastjsonschema 2.21.1 blokada plików 3.17.0
fonttools 4.55.3 Fqdn 1.5.1 zablokowana lista 1.5.0
fsspec 2023.5.0 przyszłość 1.0.0 gitdb (baza danych Git) 4.0.11
GitPython 3.1.43 google-api-core 2.28.1 google-auth (autoryzacja Google) 2.47.0
google-cloud-core 2.5.0 Google Cloud Storage (usługa przechowywania danych w chmurze od Google) 3.7.0 google-crc32c (biblioteka do obsługi algorytmu crc32c od Google) 1.8.0
Google Media z Możliwością Wznowienia 2.8.0 googleapis-common-protos 1.65.0 grpcio 1.67.0
grpcio-status 1.67.0 h11 0.16.0 hf-xet 1.2.0
httpcore 1.0.9 httplib2 0.20.4 httpx 0.28.1
huggingface_hub 1.2.4 IDNA 3.7 importlib_metadata 8.5.0
iniconfig 1.1.1 ipyflow-core 0.0.209 ipykernel 6.29.5
ipython 8.30.0 ipython-genutils 0.2.0 ipywidgets 7.8.1
isodate 0.7.2 izoduracja 20.11.0 Jedi 0.19.2
Jinja2 3.1.6 drżenie 0.12.0 jmespath 1.0.1
joblib 1.4.2 json5 0.9.25 jsonpatch 1.33
JsonPointer 3.0.0 jsonschema 4.23.0 Specyfikacje schematu JSON 2023.7.1
jupyter_client 8.6.3 jupyter_core 5.7.2 If the term needs to stay in English, it should remain "jupyter-events". If a translation is needed, it could potentially be "wydarzenia jupyter", depending on the context and recognition among the target audience. 0.12.0
jupyter-lsp 2.2.5 jupyter_server 2.15.0 jupyter_server_terminals (terminale serwera Jupyter) 0.5.3
jupyterlab 4.3.4 jupyterlab_pygments 0.3.0 jupyterlab_server 2.27.3
jupyterlab_widgets 1.1.11 kiwisolver 1.4.8 langchain-core 1.2.6
langchain-openai 1.1.6 langsmith 0.6.1 launchpadlib 1.11.0
lazr.restfulclient 0.14.6 lazr.uri 1.0.6 litellm 1.75.9
markdown —it-py 2.2.0 MarkupSafe 3.0.2 pianka cukrowa 3.26.2
matplotlib 3.10.0 matplotlib-inline 0.1.7 Mccabe 0.7.0
mdurl 0.1.0 Mistune 3.1.2 mlflow-skinny 3.8.1
mmh3 5.2.0 msal 1.34.0 msal-extensions 1.3.1
multidict 6.1.0 mypy-extensions 1.0.0 NBClient 0.10.2
nbconvert - narzędzie do konwersji plików Jupyter Notebook 7.16.6 nbformat 5.10.4 nest-asyncio 1.6.0
nodeenv 1.10.0 notes 7.3.2 notebook_shim 0.2.4
numpy 2.1.3 nvidia —ml-py 13.590.44 oauthlib 3.2.2
openai 2.14.0 opentelemetry-api 1.39.1 opentelemetry-proto 1.39.1
opentelemetry-sdk 1.39.1 opentelemetry-semantic-conventions (standardowe konwencje semantyczne w OpenTelemetry) 0.60b1 orjson 3.11.5
Zastępuje 7.4.0 opakowanie 24,2 Pandas 2.2.3
pandocfilters 1.5.0 parambench-train-comms 0.0.0 parso 0.8.4
specyfikacja ścieżki 0.10.3 ofiara 1.0.1 pexpect 4.8.0
poduszka 11.1.0 pip 25.0.1 platformdirs 4.3.7
kreślenie 5.24.1 wtyczkowy 1.5.0 prometheus_client 0.21.1
zestaw narzędzi prompt 3.0.43 propcache 0.3.1 proto-plus 1.27.0
Protobuf (w skrócie od Protocol Buffers) 5.29.4 psutil 5.9.0 psycopg2 2.9.11
ptyprocess 0.7.0 pure-eval 0.2.2 py4j 0.10.9.9
pyarrow 21.0.0 pyasn1 0.4.8 pyasn1-modules 0.2.8
pyccolo 0.0.71 pycparser 2.21 pydantic (biblioteka Python do walidacji danych i zarządzania ustawieniami) 2.10.6
pydantic_core 2.27.2 pydot 4.0.0 pyflakes (narzędzie do analizy statycznej kodu Python) 3.2.0
Pygments 2.19.1 PyGObject 3.48.2 pyiceberg 0.10.0
PyJWT 2.10.1 pyodbc 5.2.0 pyparsing – biblioteka do przetwarzania tekstu w Pythonie 3.2.0
pyright 1.1.394 piroaring 1.0.3 pyspark 4.1.0+databricks.connect.18.0.0
pytest 8.3.5 python-apt 2.7.7+ubuntu5.1 python-dateutil (biblioteka Pythona do zarządzania datami) 2.9.0.post0
python-dotenv 1.2.1 python-json-logger 3.2.1 python-lsp-jsonrpc 1.1.2
python-lsp-server 1.12.2 pytoolconfig 1.2.6 pytz (biblioteka Pythona do obliczeń stref czasowych) 2024.1
PyYAML 6.0.2 pyzmq 26.2.0 odwoływanie się 0.30.2
wyrażenie regularne 2024.11.6 żądania 2.32.3 requests-toolbelt (narzędzie wspomagające dla biblioteki requests w Pythonie) 1.0.0
rfc3339-validator 0.1.4 rfc3986-validator 0.1.1 bogaty 13.9.4
lina 1.13.0 rpds-py 0.22.3 rsa 4.9.1
s3transfer 0.14.0 Send2Trash 1.8.2 setuptools 78.1.1
shellingham 1.5.4 sześć 1.17.0 smmap 5.0.0
Sniffio 1.3.0 posortowane kontenery 2.4.0 soupsieve 2.5
sqlparse 0.5.5 ssh-import-id (narzędzie do importowania kluczy SSH) 5.11 stos danych 0.6.3
gwiazdka 0.50.0 strictyaml 1.7.3 Wytrzymałość 9.0.0
zakończony 0.17.1 threadpoolctl 3.5.0 tiktoken 0.12.0
tinycss2 1.4.0 tokenize_rt 6.1.0 narzędzia tokenizacji 0.22.2
tomli 2.0.1 tornado 6.5.1 tqdm 4.67.1
traitlets 5.14.3 typer-slim 0.21.1 types-python-dateutil 2.9.0.20251115
moduł typing_extensions 4.12.2 monitorowanie pisania 0.9.0 tzdata 2024.1
ujson (szybka biblioteka do obsługi formatu JSON) 5.10.0 nienadzorowane uaktualnienia 0.1 Szablon adresu URI 1.3.0
urllib3 2.3.0 uuid_utils 0.12.0 uvicorn 0.40.0
virtualenv 20.29.3 wadllib 1.3.6 szerokość(wcwidth) 0.2.5
kolory sieci Web 25.10.0 kodowania webowe 0.5.1 websocket-klient 1.8.0
czymjestłatka 1.0.2 wheel 0.45.1 ilekroć 0.7.3
widgetsnbextension 3.6.6 zawinięty 1.17.0 yapf (Yet Another Python Formatter - Kolejny Formatator Pythona) 0.40.2
Yarl 1.18.0 zamek błyskawiczny 3.21.0 zstandard 0.23.0
  • Last updated on