Ambiente GPU serverless versione 5 (anteprima)

Questa pagina descrive le informazioni sull'ambiente di sistema per l'ambiente GPU serverless versione 5. Questa offerta di calcolo fa parte del runtime di intelligenza artificiale, progettato per i carichi di lavoro moderni di intelligenza artificiale e deep learning.

L'ambiente GPU serverless 5 è costruito sopra l'ambiente serverless 5 (CPU). Scopri le novità dell'ambiente serverless 5 (CPU). Include l'ambiente seguente:

• Ambiente di base predefinito: un ambiente minimo con UN'API client stabile.

Per garantire la compatibilità per l'applicazione, i carichi di lavoro GPU serverless usano un'API con versione, nota come versione dell'ambiente, che rimane compatibile con le versioni server più recenti.

È possibile selezionare un ambiente di base che include questa versione dell'ambiente usando il pannello laterale Ambiente nei notebook serverless. Vedere Interactive (Notebooks).

Nuove funzionalità e miglioramenti

Nella versione 5 Databricks fornisce un ambiente minimo che supporta solo l'API GPU serverless, le dipendenze di Databricks e MLflow. Gli utenti possono personalizzare l'ambiente in base alle proprie esigenze. L'ambiente di base predefinito nella versione 5 non include alcuni pacchetti presenti nell'ambiente CPU, per fornire un ambiente GPU funzionale minimo. Gli utenti che vogliono un ambiente completo con librerie di intelligenza artificiale complete devono usare l'ambiente di intelligenza artificiale databricks.

Aggiornamenti delle API

14 aprile 2026

API Python GPU serverless aggiornata alla versione 0.5.15

L'API Python GPU serverless 0.5.15 include gli aggiornamenti api seguenti:

• Nuove funzionalità:
  • Aggiunta della propagazione dei log in MLflow per le esecuzioni dell'API GPU Serverless locale. I log di training dalle esecuzioni locali vengono ora caricati automaticamente in MLflow.
• Correzioni di bug:
  • Quando PyTorch non è installato, il messaggio di errore indica ora correttamente che l'ambiente di base Standard v5 non include torch.
• Sicurezza:
  • Tutte le versioni delle dipendenze Python sono state fissate a versioni esatte per impedire attacchi alla catena di approvvigionamento da nuove versioni di pacchetti dannosi pubblicati.

17 marzo 2026

API Python GPU serverless aggiornata alla versione 0.5.14

L'API Python GPU serverless 0.5.14 include gli aggiornamenti api seguenti:

• Correzioni di bug:
  • È stato risolto un problema a causa del quale l'API GPU serverless non è riuscita nei piani di controllo senza MAPI disponibile. L'API ora passa in modo elegante al calcolo su richiesta quando MAPI non è raggiungibile.

2 marzo 2026

API Python GPU serverless aggiornata alla versione 0.5.13

L'API Python GPU serverless 0.5.13 include gli aggiornamenti api seguenti:

• Correzioni di bug:
  • Risolto il parsing del nome del dispositivo GPU A10 di Azure in modalità locale. L'API ora gestisce formati specifici Azure, ad esempio "A10-24Q".
  • È stato risolto un problema per cui l'esecuzione attiva di MLflow non veniva chiusa dopo il completamento dell'esecuzione locale.
  • Correzione della compatibilità del flusso di log MLflow con MLflow 3.x. Una modifica del comportamento del percorso di download degli artefatti in MLflow 3.x ha causato l'interruzione del flusso di log. Il flusso di log ora funziona correttamente con MLflow 2.x e 3.x.
  • È stato risolto un problema che causava il blocco delle sessioni di addestramento. La funzionalità di sincronizzazione dello stato MLflow tra rango introdotta in una versione precedente è stata ripristinata.

Pacchetti non inclusi nell'ambiente di base

I pacchetti seguenti non sono inclusi nell'ambiente di base, ma rimangono disponibili nell'ambiente CPU:

• scipy
• seaborn
• scikit-learn

In base ai commenti e suggerimenti dei clienti che richiedono il controllo delle versioni di PyTorch, torch non è incluso nell'ambiente di base per la versione 5. In questo modo è possibile installare la versione più adatta al carico di lavoro. Per usare una versione testata da Databricks, eseguire %pip install torch==2.9.0 in una cella del notebook o installare torch==2.9.0 usando la sezione Dipendenze del pannello laterale Ambiente .

Ambiente di sistema

• Sistema operativo: Ubuntu 24.04.2 LTS
• python: 3.12.3
• Databricks Connect: 18.0.0
• NVIDIA CUDA Toolkit: 12.9

Python installate librerie

Ambiente di base predefinito

Per riprodurre l'ambiente GPU serverless 5 nell'ambiente virtuale Python locale, scaricare il file direquirements-env-gpu-5.txt ed eseguire pip install -r requirements-env-gpu-5.txt. Questo comando installa tutte le librerie open source dall'ambiente serverless 5.