Databricks运行时机器学习
Databricks Runtime for Machine Learning (Databricks Runtime ML)自动创建一个为机器学习优化的集群。Databricks Runtime ML集群包括最流行的机器学习库，如TensorFlow、PyTorch、Keras和XGBoost，还包括分布式训练所需的库，如Horovod。使用Databricks Runtime ML可以加快创建集群的速度，并确保安装的库版本是兼容的。
有关使用Databricks进行机器学习和深度学习的完整信息，请参见Databricks机器学习指南．
有关Databricks Runtime ML版本的内容，请参阅发布说明．
Databricks Runtime ML是基于Databricks Runtime构建的。例如，Databricks Runtime 7.3 LTS For Machine Learning是在Databricks Runtime 7.3 LTS基础上构建的。基本Databricks运行时中包含的库在Databricks运行时中列出发布说明．
警告
如果需要符合HIPAA，请参见符合HIPAA的特性．
介绍Databricks运行时机器学习
本教程是为Databricks Runtime ML的新用户设计的。它需要大约10分钟的时间来完成，并展示了一个完整的端到端示例，包括加载表格数据、训练模型、分布式超参数调优和模型推断。它还说明了如何使用MLflow API和MLflow Model Registry。
Databricks Runtime ML中包含的库
Databricks Runtime ML包含各种流行的ML库。每个版本都会对库进行更新，以包含新特性和修复。
Databricks已将受支持库的一个子集指定为顶级库。对于这些库，Databricks提供了更快的更新节奏，每个运行时版本都更新到最新的包版本(防止依赖项冲突)。Databricks还为顶级库提供高级支持、测试和嵌入式优化。
有关顶级库和其他提供的库的完整列表，请参阅每个可用运行时的以下文章:
如何使用Databricks Runtime ML
除了预安装的库之外，Databricks Runtime ML与Databricks Runtime在集群配置和管理Python包的方式上也有所不同。
使用Databricks Runtime ML创建一个集群
当你创建集群，在“Databricks Runtime version”下拉框中选择“Databricks Runtime ML版本”。支持CPU和gpu的ML运行时都可用。
如果您选择一个支持gpu的ML运行时，系统会提示您选择一个兼容的驱动程序类型而且工作类型．不兼容的实例类型在下拉列表中显示为灰色。启用gpu的实例类型列在GPU-Accelerated标签。
管理Python包
在Databricks Runtime 9.0 ML及以上版本中virtualenv包管理器用于安装Python包。所有Python包都安装在一个环境中:/砖/ python3．
在Databricks Runtime 8.4 ML及以下版本中Conda包管理器用于安装Python包。所有Python包都安装在一个环境中:/砖/ python2在集群上使用Python 2和/砖/ python3在集群上使用Python 3。不支持切换(或激活)Conda环境。
有关管理Python库的信息，请参见库．