Databricks Runtime 10.2 for ML (サポート期間終了)

Databricks は、2021 年 12 月にこのイメージをリリースしました。

Databricks Runtime 10.2 for Machine Learning では、Databricks Runtime 10.2 (サポート期間終了) に基づく機械学習とデータ サイエンス向けのすぐに使用できる環境が提供されます。 Databricks Runtime ML には、TensorFlow、PyTorch、XGBoost など、多くの一般的な機械学習ライブラリが含まれています。 Databricks Runtime ML には、機械学習パイプラインを自動的にトレーニングするツールである AutoML が含まれています。 また、Databricks Runtime ML では、Horovod を使用した分散型ディープ ラーニング トレーニングもサポートされます。

Databricks Runtime ML クラスターの作成手順を含む詳細については、「Databricks 上の AI と Machine Learning」を参照してください。

新機能と機能強化

Databricks Runtime 10.2 ML は Databricks Runtime 10.2 上に構築されています。 Apache Spark MLlib や SparkR など、Databricks Runtime 10.2 の新機能については、Databricks Runtime 10.2 (サポート期間終了) リリース ノートを参照してください。

Databricks Autologging (パブリック プレビュー)

Databricks Autologging は、すべてのリージョンでパブリック プレビュー段階になりました。 Databricks Autologging は、Azure Databricks 上の機械学習トレーニング セッションの自動実験追跡を提供する、ノーコード ソリューションです。 Databricks Autologging を使用すると、さまざまな一般的な機械学習ライブラリのモデルをトレーニングするときに、モデル パラメーター、メトリック、ファイル、および系列情報が自動的にキャプチャされます。 トレーニング セッションは、MLflow 追跡の実行として記録されます。 モデル ファイルも追跡されるため、それらを MLflow モデル レジストリに簡単にログし、MLflow Model Serving を使用してリアルタイム スコアリングのためにデプロイすることができます。

Databricks Autologging の詳細については、「Databricks Autologging」を参照してください。

Databricks AutoML の機能強化

Databricks AutoML に対して、次の機能強化が行われました。

• AutoML では、値が 1 つのみの列は無視されます。
• 分類と回帰の問題については、データセットをトレーニング、検証、およびテスト セットに時系列で分割するために使用される時間列を文字列型にできます。 以前は、タイムスタンプと整数のみがサポートされていました。 詳細については、「データをトレーニング、検証およびテスト セットに分割する」を参照してください。

Databricks Feature Store の機能強化

Databricks Feature Store に対して次の機能強化が行われました。

簡略化された FeatureStoreClient インターフェイス

FeatureStoreClient インターフェイスが簡略化されました。

• FeatureStoreClient.create_feature_table() は非推奨となりました。 代わりに FeatureStoreClient.create_table() を使用してください。
• FeatureStoreClient.get_feature_table() は非推奨となりました。 代わりに FeatureStoreClient.get_table() を使用してください。
• name と online_store 以外のすべての FeatureStoreClient.publish_table() の引数は、キーワード 引数として渡す必要があります。

選択した列のみをオンライン ストアに公開する

Databricks Feature Store では、選択した列のみをオンライン ストアに公開できるようになりました。 詳細については、「オンライン ストアに一部の特徴を公開する」を参照してください。

Databricks Runtime ML Python 環境の大きな変更点

Databricks Runtime 10.1 ML で非推奨とされていた Apache Spark MLlib の自動 MLflow Tracking 統合は、Databricks Runtime 10.2 ML では既定で無効になりました。 これは、MLflow の PySpark ML Autologging 統合に置き換えられ、Databricks Autologging で既定で有効になっています。 Autologging では、最適なモデルに関連付けられているパラメーター、メトリック、成果物など、MLlib でキャプチャされた自動 MLflow 追跡以外の追加情報が記録されます。

アップグレードされた Python パッケージ

• databricks-cli 0.14.3 => 0.16.2
• keras 2.6.0 => 2.7.0
• lightgbm 3.3.0 => 3.3.1
• mlflow 1.21.0 => 1.22.0
• plotly 5.3.0 => 5.3.1
• shap 0.39.0 => 0.40.0
• spacy 3.1.3 => 3.2.0
• tensorboard 2.6.0 => 2.7.0
• tensorflow 2.6.0 => 2.7.0
• torch 1.9.1 => 1.10.0
• torchvision 0.10.1 => 0.11.1
• transformers 4.11.3 => 4.12.3
• xgboost 1.4.2 => 1.5.0

システム環境

Databricks Runtime 10.2 ML のシステム環境は、Databricks Runtime 10.2 とは次のように異なります。

• DBUtils: Databricks Runtime ML には、ライブラリ ユーティリティ (dbutils.library) (レガシ) が含まれていません。 代わりに %pip コマンドを使用してください。 「ノートブック スコープの Python ライブラリ」を参照してください。
• GPU クラスターの場合、Databricks Runtime ML には次の NVIDIA GPU ライブラリが含まれています。
  • CUDA 11.0
  • cuDNN 8.0.5.39
  • NCCL 2.10.3
  • TensorRT 7.2.2

ライブラリ

以下のセクションでは、Databricks Runtime 10.2 に含まれているものとは異なる、Databricks Runtime 10.2 ML に含まれるライブラリ一覧を示します。

このセクションの内容は次のとおりです。

• 最上位層ライブラリ
• Python ライブラリ
• R ライブラリ
• Java および Scala ライブラリ (Scala 2.12 クラスター)

最上位層ライブラリ

Databricks Runtime 10.2 ML には、次の最上位層ライブラリが含まれています。

• GraphFrames
• Horovod と HorovodRunner
• MLflow
• PyTorch
• spark-tensorflow-connector
• TensorFlow
• TensorBoard

Python ライブラリ

Databricks Runtime 10.2 ML では、Python パッケージ管理に Virtualenv が使用されており、多くの一般的な ML パッケージが含まれています。

以下のセクションで指定されているパッケージに加えて、Databricks Runtime 10.2 ML には次のパッケージも含まれています。

• hyperopt 0.2.7.db1
• sparkdl 2.2.0-db5
• feature_store 0.3.6
• automl 1.5.0

CPU クラスター上の Python ライブラリ

GPU クラスター上の Python ライブラリ

Python モジュールを含む Spark パッケージ

R ライブラリ

R ライブラリは、Databricks Runtime 10.2 の R ライブラリと同じです。

Java と Scala のライブラリ (Scala 2.12 クラスター)

Databricks Runtime 10.2 ML には、Databricks Runtime 10.2 の Java および Scala ライブラリに加え、次の JAR が含まれています。

CPU クラスター

GPU クラスター