Ambiente de GPU serverless versão 5 (Pré-visualização)

Esta página descreve a informação do ambiente do sistema para o ambiente de GPU Serverless versão 5. Esta oferta de computação faz parte do AI Runtime, que foi concebido para cargas de trabalho modernas de IA e deep learning.

O ambiente de GPU "serverless" 5 é construído sobre o ambiente "serverless" 5 (CPU). Veja o que há de novo no ambiente sem servidor 5 (CPU). Inclui o seguinte ambiente:

• Ambiente base predefinido: um ambiente mínimo com API cliente estável.

Para garantir a compatibilidade do aplicativo, as cargas de trabalho de GPU sem servidor usam uma API versionada, conhecida como versão de ambiente, que permanece compatível com versões mais recentes do servidor.

Pode selecionar um ambiente base que inclua esta versão do ambiente usando o painel lateral de Ambiente nos seus cadernos serverless. Ver Interativo (Cadernos).

Novos recursos e melhorias

Na versão 5, o Databricks está a fornecer um ambiente mínimo que suporta apenas a API de GPU serverless, as dependências do Databricks e o MLflow. Os utilizadores podem personalizar o ambiente conforme as suas necessidades. O ambiente base predefinido na versão 5 não inclui certos pacotes presentes no ambiente da CPU, para fornecer um ambiente GPU funcional mínimo. Os utilizadores que pretendem um ambiente completo com bibliotecas de IA abrangentes devem usar o ambiente de IA Databricks.

Atualizações da API

14 de abril de 2026

API Python para GPU serverless atualizada para 0.5.15

A API Serverless GPU Python 0.5.15 inclui as seguintes atualizações da API:

• Novas funcionalidades:
  • Adicionada a propagação de logs no MLflow para execuções locais da API Serverless de GPU. Os registos de treino das execuções locais são agora automaticamente carregados para o MLflow.
• Correções de bugs:
  • Quando o PyTorch não está instalado, a mensagem de erro indica agora corretamente que o ambiente base do Standard v5 não inclui Torch.
• Segurança:
  • Fixei todas as versões de dependência de Python em versões exatas para evitar ataques à cadeia de abastecimento provenientes de versões maliciosas recém-publicadas.

17 de março de 2026

API Python de GPU serverless atualizada para 0.5.14

A API Serverless GPU Python 0.5.14 inclui as seguintes atualizações da API:

• Correções de bugs:
  • Corrigido um problema em que a API da GPU Serverless falhou nos planos de controlo sem MAPI disponível. A API agora regressa graciosamente à computação on-demand quando o MAPI está inacessível.

2 de março de 2026

API Python de GPU serverless atualizada para 0.5.13

A API Serverless GPU Python 0.5.13 inclui as seguintes atualizações da API:

• Correções de bugs:
  • Corrigiu a análise de nome de dispositivo GPU Azure A10 em modo local. A API agora lida com formatos específicos do Azure, como "A10-24Q".
  • Corrigido um problema em que a execução ativa do MLflow não era fechada após a execução local concluída.
  • Corrigida a compatibilidade de transmissão de logs do MLflow com o MLflow 3.x. Uma alteração no comportamento do caminho de download de artefactos no MLflow 3.x interrompeu a transmissão de logs. O streaming de logs agora funciona corretamente tanto com o MLflow 2.x como com o 3.x.
  • Resolveu um problema que fazia as execuções de treinamento ficarem pendentes. A funcionalidade de sincronização de estado MLflow cross-rank introduzida numa versão anterior foi revertida.

Pacotes não incluídos no ambiente base

Os seguintes pacotes não estão incluídos no ambiente base, mas continuam disponíveis no ambiente da CPU:

• scipy
• seaborn
• scikit-learn

Com base em feedback dos clientes que solicitaram gestão de versões do PyTorch, torch não está incluído no ambiente base para a versão 5. Isto permite-te instalar a versão que melhor se adequa à tua carga de trabalho. Para usar uma versão testada pela Databricks, execute %pip install torch==2.9.0 numa célula de notebook ou instale torch==2.9.0 usando a secção Dependências do painel lateral do Ambiente.

Ambiente do sistema

• Sistema Operacional: Ubuntu 24.04.2 LTS
• Píton: 3.12.3
• Databricks Connect: 18.0.0
• Kit de Ferramentas NVIDIA CUDA: 12.9

Bibliotecas Python instaladas

Ambiente base padrão

Para reproduzir o ambiente serverless GPU 5 no seu ambiente virtual local em Python, descarregue o ficheirorequirements-env-gpu-5.txt e execute pip install -r requirements-env-gpu-5.txt. Este comando instala todas as bibliotecas open source do ambiente serverless 5.