Databricks Runtime 9.1 LTS para Aprendizado de Máquina
Artigo
A Databricks divulgou esta imagem e declarou-a Suporte de Longo Prazo (LTS) em setembro de 2021.
O Databricks Runtime 9.1 LTS for Machine Learning fornece um ambiente pronto para uso para aprendizado de máquina e ciência de dados com base no Databricks Runtime 9.1 LTS. O Databricks Runtime ML contém muitas bibliotecas populares de aprendizado de máquina, incluindo TensorFlow, PyTorch e XGBoost. O Databricks Runtime ML inclui o AutoML, uma ferramenta para treinar automaticamente pipelines de aprendizado de máquina. O Databricks Runtime ML também suporta treinamento distribuído de aprendizado profundo usando o Horovod.
Nota
LTS significa que esta versão está sob suporte a longo prazo. Consulte Ciclo de vida da versão do Databricks Runtime LTS.
Para ver as notas de versão das versões do Databricks Runtime que atingiram o fim do suporte (EoS), consulte Notas de versão do End-of-support Databricks Runtime. As versões do EoS Databricks Runtime foram desativadas e podem não ser atualizadas.
Novos recursos e melhorias
AutoML
As melhorias a seguir estão disponíveis no Databricks Runtime 9.1 LTS ML e superior.
O AutoML suporta conjuntos de dados maiores por amostragem
O AutoML agora faz amostras de conjuntos de dados que podem exceder as restrições de memória, permitindo que ele seja executado em conjuntos de dados maiores com menos risco de erros de falta de memória. Para obter detalhes, consulte Amostragem de grandes conjuntos de dados.
O AutoML pré-processa colunas com base no tipo semântico
O AutoML deteta determinadas colunas que têm um tipo semântico diferente do tipo de dados Spark ou pandas. Em seguida, o AutoML converte e aplica etapas de pré-processamento de dados com base no tipo semântico detetado. Especificamente, o AutoML executa as seguintes conversões:
As colunas de cadeia de caracteres e inteiros que representam dados de carimbo de data ou hora são convertidas em um tipo de carimbo de data/hora.
As colunas de cadeia de caracteres que representam dados numéricos são convertidas em um tipo numérico.
Melhorias nos notebooks gerados pelo AutoML
As etapas de pré-processamento das colunas de carimbo de data e hora agora são incorporadas ao databricks-automl-runtime pacote, simplificando os notebooks gerados pelo treinamento AutoML. databricks-automl-runtimeestá incluído no Databricks Runtime 9.1 LTS ML e superior, e também está disponível no PyPI.
Loja de recursos
As melhorias a seguir estão disponíveis no Databricks Runtime 9.1 LTS ML e superior.
Ao criar um TrainingSet, agora você pode definir label=None para dar suporte a aplicativos de aprendizagem não supervisionados.
Agora você pode especificar mais de um recurso em um único FeatureLookuparquivo .
Agora você pode especificar um caminho personalizado para tabelas de recursos. Use o path parâmetro em create_feature_table(). O padrão é o local do banco de dados.
As melhorias a seguir estão disponíveis a partir da versão 1.20.2 do Mlflow, que está incluída no Databricks Runtime 9.1 LTS ML.
O registro automático para scikit-learn agora registra métricas pós-treinamento sempre que uma API de avaliação scikit-learn, como sklearn.metrics.mean_squared_error, é chamada.
O registro automático do PySpark ML agora registra métricas pós-treinamento sempre que uma API de avaliação de modelo, como Evaluator.evaluate(), é chamada.
mlflow.*.log_model e mlflow.*.save_model agora tem pip_requirements e extra_pip_requirements argumentos para que você possa especificar diretamente os requisitos pip do modelo para registrar ou salvar.
mlflow.*.log_model e agora inferir mlflow.*.save_model automaticamente os requisitos de pip do modelo para registrar ou salvar com base no ambiente de software atual.
stdMetrics as entradas agora são registradas como métricas de treinamento durante o registro automático do PySpark CrossValidator.
O registro automático do PyTorch Lightning agora suporta execução distribuída.
Databricks Autologging (Visualização pública)
O Databricks Autologging Public Preview foi expandido para novas regiões. O Databricks Autologging é uma solução sem código que fornece rastreamento automático de experimentos para sessões de treinamento de aprendizado de máquina no Azure Databricks. Com o Databricks Autologging, parâmetros de modelo, métricas, arquivos e informações de linhagem são capturados automaticamente quando você treina modelos de uma variedade de bibliotecas populares de aprendizado de máquina. As sessões de treinamento são registradas como MLflow Tracking Runs. Os arquivos de modelo também são rastreados para que você possa registrá-los facilmente no Registro do Modelo MLflow e implantá-los para pontuação em tempo real com o MLflow Model Serving.
Para obter mais informações sobre Databricks Autologging, consulte Databricks Autologging.
Principais alterações no ambiente Python do Databricks Runtime ML
Pacotes Python atualizados
AutoML 1.1.1 => 1.2.1
feature_store 0.3.3 => 0.3.4.1
feriados 0.10.5.2 => 0.11.2
Keras 2.5.0 => 2.6.0
mlflow 1,19,0 => 1,20,2
petastorm 0.11.1 => 0.11.2
Gráfico 4.14.3 => 5.1.0
spark-tensorflow-distribuidor 0.1.0 => 1.0.0
sparkdl 2.2.0_db1 => 2.2.0_db3
TensorBoard 2.5.0 => 2.6.0
tensorflow 2.5.0 => 2.6.0
Pacotes Python adicionados
databricks-automl-runtime 0.1.0
Ambiente do sistema
O ambiente do sistema no Databricks Runtime 9.1 LTS ML difere do Databricks Runtime 9.1 LTS da seguinte forma:
Gerenciar a ingestão e a preparação de dados, o treinamento e a implantação de modelos e o monitoramento da solução de machine learning com Python, Azure Machine Learning e MLflow.