Serverloze GPU-omgeving versie 5 (preview)

Op deze pagina vindt u informatie over de systeemomgeving voor serverloze GPU-omgeving versie 5. Deze compute-aanbieding maakt deel uit van AI Runtime, die is ontworpen voor moderne AI- en Deep Learning-workloads.

Serverloze GPU-omgeving 5 is gebouwd op serverloze omgeving 5 (CPU). Bekijk wat er nieuw is in serverloze omgeving 5 (CPU). Het bevat de volgende omgeving:

• Standaardbasisomgeving: een minimale omgeving met een stabiele client-API.
• Databricks AI-omgeving: een omgeving met algemene runtimepakketten en -pakketten die specifiek zijn voor machine learning op GPU's.

Om compatibiliteit voor de toepassing te garanderen, maken serverloze GPU-workloads gebruik van een versie-API, ook wel de omgevingsversie genoemd, die compatibel blijft met nieuwere serverversies.

U kunt een basisomgeving selecteren die deze omgevingsversie bevat met behulp van het deelvenster Omgeving in uw serverloze notebooks. Zie Interactive (Notebooks).

Nieuwe functies en verbeteringen

In versie 5 biedt Databricks een minimale omgeving die alleen ondersteuning biedt voor serverloze GPU-API, de Databricks-afhankelijkheden en MLflow. Gebruikers kunnen de omgeving aanpassen aan hun behoeften. De standaardbasisomgeving in versie 5 bevat geen bepaalde pakketten die aanwezig zijn in de CPU-omgeving om een minimale functionele GPU-omgeving te bieden. Gebruikers die een volledige omgeving met uitgebreide AI-bibliotheken willen, moeten gebruikmaken van de Databricks AI-omgeving.

Snellere pakketinstallatie met %uv pip

7 mei 2026

U kunt nu de %uv pip magic-opdracht in serverloze notebooks gebruiken als een sneller alternatief voor %pip voor Python pakketbeheer. %uv pip maakt gebruik van de pakketbeheerder uv en deelt dezelfde virtuele notebook-omgeving als %pip. Zie snellere installaties met %uv pip.

API-updates

11 mei 2026

Serverloze GPU Python API bijgewerkt naar 0.5.17

De serverloze GPU Python API 0.5.17 bevat de volgende API-updates:

• Opgeloste fouten:
  • De API valt nu terug op rekenkracht op aanvraag wanneer GPU-poolopties niet beschikbaar zijn, waardoor workloadfouten tijdens serviceonderbrekingen worden voorkomen.
  • Fouten bij het maken van workloads bevatten nu de volledige hoofdtekst van de serverreactie voor snellere probleemoplossing.
  • Verbeterde foutmeldingen bij onjuist gebruik van decorator @distributed.
  • Geneste MLflow-runs bij @distributed(remote=False) lokale uitvoering worden nu ondersteund. Wanneer er binnen een actieve MLflow-run wordt gewerkt, wordt nu een geneste child run gemaakt in plaats van de bestaande parent run te beëindigen.
• Nieuwe functies:
  • Schonere lokale logboeken: standaard worden logboeken op informatieniveau van het systeem onderdrukt tijdens de lokale uitvoering om logboekruis te verminderen.

24 april 2026

Serverloze GPU-Python-API bijgewerkt naar 0.5.16

De serverloze GPU Python API 0.5.16 bevat de volgende API-updates:

• Nieuwe functies:
  • Toegevoegd UCVolumeDataset, een Torch IterableDataset die bestanden streamt van een Unity Catalog FUSE-mounted volume. Bestandslijsten worden automatisch gepartitioneerd in gedistribueerde rangschikkingen en DataLoader-werkrollen, zodat elk (rank, worker) paar een niet-overlappend segment ontvangt.
  • De Serverloze GPU-API ondersteunt nu het 1xH100-acceleratortype voor workloads met één H100.
  • Minder logboekruis van PySpark en Py4J tijdens lokale uitvoering. Het logboekmapbericht wordt nu geregistreerd op foutopsporingsniveau in plaats van afgedrukt.

14 april 2026

Serverloze GPU-Python-API bijgewerkt naar 0.5.15

De serverloze GPU Python API 0.5.15 bevat de volgende API-updates:

• Nieuwe functies:
  • Logboekdoorgifte toegevoegd aan MLflow voor lokale GPU-API-uitvoeringen zonder server. Trainingslogboeken van lokale uitvoeringen worden nu automatisch geüpload naar MLflow.
• Opgeloste fouten:
  • Wanneer PyTorch niet is geïnstalleerd, geeft het foutbericht nu correct aan dat de Standard v5 basisomgeving geen torch bevat.
• Beveiliging:
  • Alle Python-afhankelijkheden zijn vastgezet op exacte versies om aanvallen op de toeleveringsketen te voorkomen die afkomstig zijn van nieuw gepubliceerde schadelijke pakketversies.

17 maart 2026

Serverloze GPU Python API bijgewerkt naar 0.5.14

De serverloze GPU Python API 0.5.14 bevat de volgende API-updates:

• Opgeloste fouten:
  • Er is een probleem opgelost waarbij de serverloze GPU-API is mislukt op besturingsvlakken zonder MAPI beschikbaar. De API valt nu probleemloos terug op compute op aanvraag wanneer MAPI onbereikbaar is.

2 maart 2026

Serverloze GPU Python API bijgewerkt naar 0.5.13

De serverloze GPU Python API 0.5.13 bevat de volgende API-updates:

• Opgeloste fouten:
  • Probleem opgelost Azure A10 GPU-apparaatnaam parseren in de lokale modus. De API verwerkt nu Azure-specifieke indelingen, zoals A10-24Q.
  • Er is een probleem opgelost waarbij de actieve MLflow-uitvoering niet werd gesloten nadat de lokale uitvoering is voltooid.
  • Compatibiliteit van MLflow-logboekstreaming met MLflow 3.x opgelost. Door een gedragsverandering in het downloadpad van artefacten in MLflow 3.x is logstreaming verbroken. Logboekstreaming werkt nu correct met zowel MLflow 2.x als 3.x.
  • Er is een probleem opgelost waardoor trainingsuitvoeringen vastliepen. De MLflow-statussynchronisatiefunctie tussen rangen, geïntroduceerd in een eerdere versie, is teruggedraaid.

Pakketten die zijn toegevoegd aan de AI-omgeving van Databricks

De volgende nieuwe pakketten zijn toegevoegd aan de Databricks AI-omgeving in versie 5:

• catboost 1.2.8
• trl 0.23.0
• unsloth 2025.11.3
• vllm 0.13.0
• omegaconf 2.3.0
• statsmodels 0.14.4
• networkx 3.4.2

Pakketten die zijn verwijderd uit de AI-omgeving van Databricks

De volgende pakketten zijn verwijderd uit de Databricks AI-omgeving in versie 5:

• spacy
• sentencepiece

Pakketten die niet zijn opgenomen in de basisomgeving

De volgende pakketten zijn niet opgenomen in de basisomgeving, maar blijven beschikbaar in de CPU-omgeving:

• scipy
• seaborn
• scikit-learn

De volgende pakketten zijn niet opgenomen in de basisomgeving, maar blijven beschikbaar in de Ai-omgeving van Databricks:

• flash-attention
• torch
• torchvision

Op basis van feedback van klanten die controle over PyTorch-versiebeheer aanvragen, torch is deze niet opgenomen in de basisomgeving voor versie 5. Hiermee kunt u de versie installeren die het beste bij uw workload past. Als u een door Databricks geteste versie wilt gebruiken, voert u deze uit %pip install torch==2.9.0 in een notebookcel of installeert u torch==2.9.0 deze met behulp van de sectie Afhankelijkheden van het deelvenster Omgeving .

Systeemomgeving

• Besturingssysteem: Ubuntu 24.04.2 LTS
• Python: 3.12.3
• Databricks Connect: 18.0.0
• NVIDIA CUDA Toolkit: 12.9

Geïnstalleerde Python-bibliotheken

Standaardbasisomgeving

Als u serverloze GPU-omgeving 5 wilt reproduceren in uw lokale virtuele Python-omgeving, downloadt u het requirements-env-gpu-5.txt-bestand en voert u het uit pip install -r requirements-env-gpu-5.txt. Met deze opdracht worden alle opensource-bibliotheken van serverloze omgeving 5 geïnstalleerd.

AI-omgeving

De AI-omgeving bevat alle pakketten uit de standaardbasisomgeving, evenals de volgende pakketten. Deze omgeving omvat PyTorch en uitgebreide machine learning-bibliotheken:

• torch 2.9.0
• torchvision 0.24.0
• flash_attn 2.8.3
• catboost 1.2.8
• langchain 0.3.27
• lightgbm 4.6.0
• openai 2.7.0
• optuna 4.5.0
• pytorch-lightning 2.5.4
• ray 2.51.1
• scikit-learn 1.6.1
• scipy 1.15.3
• seaborn 0.13.2
• sentence-transformers 5.1.2
• transformers 4.57.1
• trl 0.23.0
• unsloth 2025.11.3
• vllm 0.13.0
• xgboost 3.0.4

Als u AI-omgeving V5 wilt reproduceren in uw lokale virtuele Python-omgeving, downloadt u het requirements-ai-gpu-5.txt-bestand en voert u het uit pip install -r requirements-ai-gpu-5.txt. Met deze opdracht worden alle opensourcebibliotheken uit de AI-omgeving geïnstalleerd.