本頁說明如何選擇與設定 AI 執行時的 Python 環境，包括環境快取行為、自訂模組匯入及已知限制。
該使用什麼環境
AI 執行環境提供兩個受管理的 Python 環境，分別是預設的基礎環境與 Databricks 的 AI 環境。
| 環境 | 主要特性 | 使用時機 |
|---|---|---|
| 預設基地環境 | 最小，僅包含 torch、cuda 和 torchvision |
你想要完全掌控你的相依性堆疊，並且偏好只安裝你需要安裝的設備 |
| Databricks AI 環境 | 預載了熱門的機器學習框架（PyTorch、Transformers 等） | 你需要一個完整的環境，用於訓練、微調和實驗，且不需要手動管理依賴性 |
備註
AI 執行環境不支援工作區基礎環境。 請改用預設或 AI 環境，並直接在「環境」側邊面板pip install或其中指定其他相依性。
預設基礎環境（最小環境）
一個極簡且穩定的環境，僅包含 AI 執行時運作所需的套件。 環境包含torch、cuda和torchvision，為相容性優化。 針對特定套件版本，請依需求使用 pip install 或釘選必要的版本。
最佳使用者：希望完全掌控依賴堆疊，且只安裝所需內容的使用者。
這是你透過 AI Runtime 連接到無伺服器 GPU 時的預設環境。
關於不同版本中安裝的套件版本，請參閱發布說明：
Databricks AI 環境
可在環境4及更高版本中取得。 AI 環境建立在預設基礎環境之上，包含常見的執行時套件以及專為 GPU 機器學習設計的套件。 預裝套件包括：
- PyTorch（支援 CUDA）
- Transformers（Hugging Face）
- 以及額外的機器學習/深度學習相依
最適合：想要完整環境來訓練工作負載、微調與實驗，且不需手動依賴管理的機器學習從業者。
選擇方式：在 環境 側邊欄，選擇 AI v4 作為你的基礎環境。
關於不同版本中安裝的套件版本，請參閱發布說明：
工作空間基層環境
AI 執行環境不支援工作區基礎環境。 你無法使用自訂的工作區層級環境設定。
要為專案配置深度學習環境，請使用提供的兩個基礎環境之一（預設或 Databricks AI），並透過筆記本內或訓練腳本頂端以程式方式 %pip install 安裝額外套件：
%pip install datasets accelerate peft bitsandbytes
你可以在 AI 執行環境安裝額外的函式庫。 請參閱 將相依性新增至筆記本。
行為
環境何時被快取？
為了加快開機時間，環境會在不同會話間進行快取。 當你以相同的環境配置重新連接 AI Runtime 時，先前安裝的套件可能會從快取中取得，從而縮短設定時間。
然而，快取行為並非保證——務必確保你的筆記本包含必要的 %pip install 指令以促進重現性。
我該如何匯入自訂模組？
你可以透過將自訂模組放入 /Workspace/Shared 並將路徑新增至 sys.path：
import sys
sys.path.append("/Workspace/Shared/my-project/src")
from my_module import my_function
你也可以把模組檔案上傳成 Workspace 檔案，然後直接匯入。 多使用者協作時，應將共享程式碼儲存在 /Workspace/Shared 非使用者專屬資料夾中。 在主動開發時，使用使用者專屬資料夾，並推送至遠端 Git 儲存庫以進行版本控制。
局限性
以下功能在 AI 執行環境中無法提供：
- Spark 函式 — 你無法直接匯入或使用 PySpark 函式。 AI 運行環境僅支援 Python，Spark 不提供本地運行環境。 不過，Spark Connect 也可用於資料載入。 請參見 AI 執行時的載入資料。
- Databricks 執行時機器學習函式庫 — 預裝套件不能取代 Databricks 執行時機器學習。 Databricks Runtime ML 中部分機器學習函式庫可能未預先安裝於 AI 執行環境。
- 工作區基礎環境 — 不支援自訂的工作區層級環境設定。
- 私有產物 — AI 執行時在某些情況下確實支援私有產物。 請聯絡您的帳戶團隊以獲取更多詳情。