サーバーレス GPU 環境バージョン 5 (プレビュー)

このページでは、サーバーレス GPU 環境バージョン 5 のシステム環境情報の概要を示します。 このコンピューティング オファリングは、最新の AI およびディープ ラーニング ワークロード向けに設計された AI ランタイムの一部です。

サーバーレス GPU 環境 5 は、サーバーレス環境 5 (CPU) の上に構築されています。 サーバーレス環境 5 (CPU) の新機能をご覧ください。 これには、次の環境が含まれます。

• 既定の基本環境: 安定したクライアント API を使用した最小限の環境。

アプリケーションの互換性を確保するために、サーバーレス GPU ワークロードでは、環境バージョンと呼ばれるバージョン管理された API が使用されます。これは、新しいサーバー バージョンとの互換性を維持します。

サーバーレス ノートブックの 環境サイド パネル を使用して、この環境バージョンを含む基本環境を選択できます。 対話型 (ノートブック) を参照してください。

新機能と機能強化

バージョン 5 では、Databricks は、サーバーレス GPU API、Databricks 依存関係、および MLflow のみをサポートする最小限の環境を提供しています。 ユーザーは、ニーズに合わせて環境をカスタマイズできます。 バージョン 5 の既定の基本環境には、最小限の機能 GPU 環境を提供するために、CPU 環境に存在する特定のパッケージは含まれません。 包括的な AI ライブラリを備えた完全な環境を望むユーザーは、Databricks AI 環境を使用する必要があります。

API の更新

2026 年 4 月 24 日

サーバーレス GPU Python API が 0.5.16 にアップグレードされました

サーバーレス GPU Python API 0.5.16 には、次の API 更新プログラムが含まれています。

• 新機能:
  • Unity Catalog の FUSE マウント ボリュームからファイルをストリーミングする Torch UCVolumeDataset、IterableDataset を追加しました。 ファイル リストは、分散ランクと DataLoader ワーカー間で自動的にパーティション分割されるため、各 (rank, worker) ペアは重複しないスライスを受け取ります。
  • サーバーレス GPU API では、単一 H100 ワークロードに対して 1xH100 アクセラレータの種類がサポートされるようになりました。
  • ローカル実行中の PySpark と Py4J からのログ ノイズの削減。 ログ ディレクトリ メッセージは、出力されるのではなく、デバッグ レベルでログに記録されるようになりました。

2026 年 4 月 14 日

サーバーレス GPU Python API が 0.5.15 にアップグレードされました

サーバーレス GPU Python API 0.5.15 には、次の API 更新プログラムが含まれています。

• 新機能:
  • ローカル のサーバーレス GPU API 実行の MLflow にログ伝達を追加しました。 ローカル実行のトレーニング ログが MLflow に自動的にアップロードされるようになりました。
• バグ修正:
  • PyTorch がインストールされていない場合、Standard v5 基本環境に Torch が含まれていないことを示すエラー メッセージが正しく表示されるようになりました。
• セキュリティ:
  • 新しく公開された悪意のあるパッケージ バージョンからのサプライ チェーン攻撃を防ぐために、すべてのPython依存関係バージョンを正確なバージョンに固定しました。

2026 年 3 月 17 日

サーバーレス GPU Python API が 0.5.14 にアップグレードされました

サーバーレス GPU Python API 0.5.14 には、次の API 更新プログラムが含まれています。

• バグ修正:
  • MAPI を使用できないコントロール プレーンでサーバーレス GPU API が失敗する問題を修正しました。 MAPI に到達できない場合、API はオンデマンド コンピューティングに正常にフォールバックするようになりました。

2026 年 3 月 2 日

サーバーレス GPU Python API が 0.5.13 にアップグレードされました

サーバーレス GPU Python API 0.5.13 には、次の API 更新プログラムが含まれています。

• バグ修正:
  • ローカル モードAzure A10 GPU デバイス名の解析を修正しました。 この API は、"A10-24Q" などのAzure固有の形式を処理するようになりました。
  • ローカル実行の完了後に MLflow のアクティブな実行が閉じられなかった問題を修正しました。
  • MLflow ログ ストリーミングと MLflow 3.x の互換性を修正しました。 MLflow 3.x での成果物ダウンロード パスの動作の変更により、ログ ストリーミングが中断されました。 MLflow 2.x と 3.x の両方でログ ストリーミングが正しく機能するようになりました。
  • トレーニングの実行が停止する問題を修正しました。 以前のバージョンで導入されたクロスランク MLflow 状態同期機能が元に戻されました。

基本環境に含まれていないパッケージ

次のパッケージは基本環境には含まれていませんが、CPU 環境では引き続き使用できます。

• scipy
• seaborn
• scikit-learn

PyTorch のバージョン管理の制御を要求するお客様のフィードバックに基づいて、 torch はバージョン 5 の基本環境には含まれません。 これにより、ワークロードに最適なバージョンをインストールできます。 Databricks でテストされたバージョンを使用するには、ノートブック セルで%pip install torch==2.9.0を実行するか、[torch==2.9.0] サイド パネルの [依存関係] セクションを使用してをインストールします。

システム環境

• オペレーティング システム: Ubuntu 24.04.2 LTS
• Python: 3.12.3
• Databricks Connect: 18.0.0
• NVIDIA CUDA Toolkit: 12.9

インストールされている Python ライブラリ

既定の基本環境

ローカルの Python 仮想環境でサーバーレス GPU 環境 5 を再現するには、 requirements-env-gpu-5.txt ファイルをダウンロードし、 pip install -r requirements-env-gpu-5.txt実行します。 このコマンドは、サーバーレス環境 5 のすべてのオープン ソース ライブラリをインストールします。