Container Runtime for ML¶
개요¶
Container Runtime for ML은 모델 훈련, 하이퍼파라미터 튜닝, 배치 추론 및 미세 조정과 같은 대화형 실험 및 배치 ML 워크로드를 다루는 Snowpark Container Services 의 머신 러닝을 위해 사전 구성된 사용자 정의 가능한 환경 세트입니다. 여기에는 가장 널리 사용되는 머신 러닝과 딥 러닝 프레임워크가 포함됩니다. Snowflake 노트북과 함께 사용하면 이러한 프레임워크는 엔드투엔드 ML 경험을 제공합니다.
실행 환경¶
Container Runtime for ML 은 다양한 ML 개발 작업을 지원하는 패키지와 라이브러리가 결합된 환경을 Snowflake 내에서 제공합니다. 사전 설치된 패키지 외에도 공개 PyPI 리포지토리와 같은 외부 소스에서 패키지를 가져오거나 조직 내에서 사용하도록 승인된 패키지 목록을 제공하는 내부 호스팅 패키지 리포지토리에서 패키지를 가져올 수 있습니다.
사용자 지정 Python ML 워크로드 및 지원되는 학습 API의 실행은 CPU 또는 GPU 컴퓨팅 풀에서 실행할 수 있는 기능을 제공하는 Snowpark Container Services 내에서 수행됩니다. Snowflake ML APIs를 사용하는 경우, Container Runtime for ML은 사용 가능한 리소스 전체에 처리를 분산합니다.
분산 처리¶
Snowflake ML 모델링 및 데이터 로딩 APIs는 사용 가능한 컴퓨팅 성능을 최대한 활용하여 리소스 활용을 극대화하는 Snowflake ML의 분산 처리 프레임워크 상단에 구축됩니다. 기본적으로 이 프레임워크는 멀티 GPU 노드에서 모든 GPUs를 사용하므로 오픈 소스 패키지에 비해 성능이 크게 향상되고 전체 런타임이 단축됩니다.
데이터 로딩을 포함한 머신 러닝 워크로드는 Snowflake가 관리하는 컴퓨팅 환경에서 실행됩니다. 이 프레임워크를 사용하면 모델 훈련이나 데이터 로딩 등 해당 작업의 특정 요구 사항에 따라 리소스를 동적으로 확장할 수 있습니다. 각 작업에 대한 GPU 및 메모리 할당을 포함한 리소스 수는 제공된 APIs를 통해 손쉽게 구성할 수 있습니다.
최적화된 데이터 로딩¶
Container Runtime은 다중 코어 또는 GPU를 최대한 활용하여 Snowflake 데이터 원본(테이블, DataFrames, 데이터 세트 포함)을 PyTorch 및 TensorFlow 와 같은 널리 사용되는 ML 프레임워크에 연결할 수 있는 데이터 커넥터 API 세트를 제공합니다. 데이터 로딩이 완료되면 오픈 소스 패키지 또는 아래에 설명된 배포 버전을 포함한 Snowflake ML API를 사용하여 데이터를 처리할 수 있습니다. 이러한 APIs는 snowflake.ml.data 네임스페이스에서 제공됩니다.
snowflake.ml.data.data_connector.DataConnector 클래스는 Snowpark DataFrames 또는 Snowflake ML 데이터 세트를 TensorFlow 또는 PyTorch DataSets 또는 Pandas DataFrames 에 연결합니다. 다음 클래스 메서드 중 하나를 사용하여 커넥터를 인스턴스화합니다.
DataConnector.from_dataframe: Snowpark DataFrame 을 허용합니다.
DataConnector.from_dataset: 이름과 버전으로 지정된 Snowflake ML 데이터 세트를 받습니다.
DataConnector.from_sources: 소스 목록을 받으며, 각 소스는 DataFrame 또는 데이터 세트일 수 있습니다.
커넥터를 인스턴스화(예를 들어 data_connector 인스턴스 호출)한 후, 다음 메서드를 호출하여 원하는 종류의 출력을 생성합니다.
data_connector.to_tf_dataset: TensorFlow와 함께 사용하기에 적합한 TensorFlow 데이터 세트를 반환합니다.data_connector.to_torch_dataset: PyTorch와 함께 사용하기에 적합한 PyTorch 데이터 세트를 반환합니다.
이러한 APIs에 대한 자세한 내용은 Snowflake ML API 참조 섹션을 참조하십시오.
오픈 소스로 개발하기¶
널리 사용되는 ML 패키지로 미리 채워져 있는 기본 CPU 및 GPU 이미지와 pip 를 사용하여 추가 라이브러리를 설치할 수 있는 유연성을 통해 사용자는 데이터를 Snowflake 밖으로 옮기지 않고도 익숙하고 혁신적인 오픈 소스 프레임워크를 Snowflake Notebooks 내에서 사용할 수 있습니다. 데이터 로딩, 학습 및 하이퍼 매개 변수 최적화를 위해 Snowflakedml 분산 API를 사용하여 처리 규모를 확장할 수 있으며, 인터페이스를 약간 변경하여 익숙한 OSS 패키지의 API를 사용하여 확장 구성이 가능하도록 할 수 있습니다.
다음 코드는 이러한 API를 사용하여 XGBoost 분류기를 만드는 예입니다.
from snowflake.snowpark.context import get_active_session
from snowflake.ml.data.data_connector import DataConnector
import pandas as pd
import xgboost as xgb
from sklearn.model_selection import train_test_split
session = get_active_session()
# Use the DataConnector API to pull in large data efficiently
df = session.table("my_dataset")
pandas_df = DataConnector.from_dataframe(df).to_pandas()
# Build with open source
X = df_pd[['feature1', 'feature2']]
y = df_pd['label']
# Split data into test and train in memory
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.15, random_state=34)
# Train in memory
model = xgb.XGBClassifier()
model.fit(X_train, y_train)
# Predict
y_pred = model.predict(X_test)
최적화된 학습¶
Container Runtime for ML 은 컨테이너 환경에서 사용 가능한 리소스를 최대한 활용하는 LightGBM, PyTorch, XGBoost 의 분산 버전을 포함한 분산 학습 API 세트를 제공합니다. 해당 항목은 snowflake.ml.modeling.distributors 네임스페이스에서 제공됩니다. 분산 클래스의 APIs는 표준 버전과 유사합니다.
이러한 APIs에 대한 자세한 내용은 API 참조 섹션을 참조하십시오.
XGBoost¶
기본 XGBoost 클래스는 snowflake.ml.modeling.distributors.xgboost.XGBEstimator 입니다. 관련 클래스에는 다음이 포함됩니다.
snowflake.ml.modeling.distributors.xgboost.XGBScalingConfig
이 API로 작업하는 예제는 Snowflake Container Runtime for ML GitHub 리포지토리에 있는 XGBoost on GPU 예제 노트를 참조하십시오.
LightGBM¶
기본 LightGBM 클래스는 snowflake.ml.modeling.distributors.lightgbm.LightGBMEstimator 입니다. 관련 클래스에는 다음이 포함됩니다.
snowflake.ml.modeling.distributors.lightgbm.LightGBMScalingConfig
이 API로 작업하는 예제는 Snowflake Container Runtime for ML GitHub 리포지토리에 있는 LightGBM on GPU 예제 노트를 참조하십시오.
PyTorch¶
기본 PyTorch 클래스는 snowflake.ml.modeling.distributors.pytorch.PyTorchDistributor 입니다. 관련 클래스 및 함수는 다음을 포함합니다.
snowflake.ml.modeling.distributors.pytorch.WorkerResourceConfigsnowflake.ml.modeling.distributors.pytorch.PyTorchScalingConfigsnowflake.ml.modeling.distributors.pytorch.Contextsnowflake.ml.modeling.distributors.pytorch.get_context
이 API로 작업하는 예제는 Snowflake Container Runtime for ML GitHub 리포지토리에 있는 PyTorch on GPU 예제 노트를 참조하십시오.
Snowflake ML 모델링 API¶
Snowflake ML의 모델링 API를 Notebook에서 사용하는 경우 쿼리 웨어하우스에서 실행되는 snowflake.ml.modeling.preprocessing API를 제외한 모든 실행은 쿼리 웨어하우스가 아닌 Container Runtime에서 이루어집니다.
제한 사항¶
Snowflake ML Modeling API 는 ML 에 대한 Container Runtime에서
predict,predict_proba및predict_log_proba추론 메서드만 지원합니다. 다른 메서드는 쿼리 웨어하우스에서 실행됩니다.Snowflake ML Modeling API 는 Container Runtime for ML 에서 sklearn 호환 파이프라인만 지원합니다.
Snowflake ML Modeling API 는 Container Runtime for ML 에서 전처리 또는 메트릭 클래스를 지원하지 않습니다. 이러한 API는 쿼리 웨어하우스에서 실행됩니다.
fit,predict및score메서드는 Container Runtime for ML에서 실행됩니다. 다른 Snowflake ML 메서드는 쿼리 웨어하우스에서 실행됩니다.sample_weight_cols는 XGBoost 또는 LightGBM 모델에 대해 지원되지 않습니다.
Container Runtime 이미지 사양¶
Container Runtime에서 실행할 노트북을 생성할 때 CPU 또는 GPU 이미지 유형 중에서 선택할 수 있습니다. 두 이미지 모두 scikit-learn 및 PyTorch와 같은 널리 사용되는 ML 프레임워크가 사전 설치되어 있습니다. Snowpark ML 및 여기에 포함된 모든 것을 사용할 수도 있습니다.
CPU v1 이미지의 전체 목록¶
이 테이블은 CPU v1 이미지에 사전 설치된 Python 패키지의 전체 목록입니다.
패키지 |
버전 |
|---|---|
absl-py |
1.4.0 |
aiobotocore |
2.7.0 |
aiohttp |
3.9.5 |
aiohttp-cors |
0.7.0 |
aioitertools |
0.12.0 |
aiosignal |
1.2.0 |
aiosignal |
1.3.1 |
altair |
5.4.1 |
annotated-types |
0.6.0 |
anyio |
3.5.0 |
appdirs |
1.4.4 |
arviz |
0.17.1 |
asn1crypto |
1.5.1 |
asttokens |
2.0.5 |
async-timeout |
4.0.3 |
async-timeout |
4.0.3 |
atpublic |
4.0 |
attrs |
23.1.0 |
attrs |
23.2.0 |
backoff |
2.2.1 |
bayesian-optimization |
1.5.1 |
blinker |
1.6.2 |
botocore |
1.31.64 |
bottleneck |
1.3.7 |
Brotli |
1.0.9 |
cachetools |
5.3.3 |
causalpy |
0.4.0 |
certifi |
2024.8.30 |
cffi |
1.16.0 |
charset-normalizer |
3.3.2 |
click |
8.1.7 |
clikit |
0.6.2 |
cloudpickle |
2.2.1 |
cmdstanpy |
1.2.4 |
colorama |
0.4.6 |
colorful |
0.5.4 |
단점 |
0.4.6 |
contourpy |
1.2.0 |
crashtest |
0.3.1 |
cryptography |
42.0.8 |
cycler |
0.11.0 |
데이터 세트 |
2.16.1 |
decorator |
5.1.1 |
사용되지 않음 |
1.2.13 |
dill |
0.3.7 |
distlib |
0.3.8 |
etuples |
0.3.9 |
evaluate |
0.4.2 |
exceptiongroup |
1.2.0 |
executing |
0.8.3 |
filelock |
3.13.1 |
flask |
3.0.3 |
fonttools |
4.51.0 |
frozenlist |
1.4.0 |
frozenlist |
1.4.1 |
fsspec |
2023.10.0 |
gitdb |
4.0.7 |
gitpython |
3.1.41 |
gmpy2 |
2.1.2 |
google-api-core |
2.19.1 |
google-auth |
2.29.0 |
googleapis-common-protos |
1.63.2 |
graphviz |
0.20.1 |
grpcio |
1.66.1 |
grpcio-tools |
1.62.3 |
gunicorn |
22.0.0 |
h5netcdf |
1.2.0 |
h5py |
3.11.0 |
holidays |
0.57 |
httptan |
4.13.0 |
huggingface-hub |
0.24.6 |
idna |
3.6 |
idna |
3.7 |
importlib-metadata |
6.11.0 |
importlib-resources |
6.4.5 |
ipython |
8.27.0 |
itsdangerous |
2.2.0 |
jedi |
0.19.1 |
jinja2 |
3.1.4 |
jmespath |
1.0.1 |
Joblib |
1.4.2 |
jsonschema |
4.19.2 |
jsonschema-specifications |
2023.7.1 |
kiwisolver |
1.4.4 |
lightgbm |
3.3.5 |
lightgbm-ray |
0.1.9 |
logical-unification |
0.4.6 |
markdown-it-py |
2.2.0 |
markupsafe |
2.1.3 |
marshmallow |
3.22.0 |
matplotlib |
3.8.4 |
matplotlib-inline |
0.1.6 |
mdurl |
0.1.0 |
minikanren |
1.0.3 |
mkl-fft |
1.3.10 |
mkl-random |
1.2.7 |
mkl-service |
2.4.0 |
mlruntimes-client |
0.2.0 |
mlruntimes-service |
0.2.0 |
modin |
0.31.0 |
mpmath |
1.3.0 |
msgpack |
1.0.3 |
multidict |
6.0.4 |
multidict |
6.0.5 |
multipledispatch |
0.6.0 |
multiprocess |
0.70.15 |
narwhals |
1.8.4 |
networkx |
3.3 |
nltk |
3.9.1 |
numexpr |
2.8.7 |
numpy |
1.24.3 |
opencensus |
0.11.3 |
opencensus-context |
0.1.3 |
opencv-python |
4.10.0.84 |
opentelemetry-api |
1.23.0 |
opentelemetry-exporter-otlp-proto-common |
1.23.0 |
opentelemetry-exporter-otlp-proto-grpc |
1.25.0 |
opentelemetry-proto |
1.23.0 |
opentelemetry-sdk |
1.23.0 |
opentelemetry-semantic-conventions |
0.44b0 |
패키징 |
23.1 |
pandas |
2.2.3 |
parso |
0.8.3 |
pastel |
0.2.1 |
patsy |
0.5.6 |
pexpect |
4.8.0 |
pillow |
9.5.0 |
pip |
24.2 |
platformdirs |
2.6.2 |
plotly |
5.22.0 |
ply |
3.11 |
prometheus-client |
0.20.0 |
prompt-toolkit |
3.0.43 |
prophet |
1.1.5 |
proto-plus |
1.24.0 |
프로토콜 버퍼 |
4.24.4 |
psutil |
5.9.0 |
ptyprocess |
0.7.0 |
pure-eval |
0.2.2 |
pyarrow |
15.0.0 |
pyarrow-hotfix |
0.6 |
pyasn1 |
0.4.8 |
pyasn1-modules |
0.2.8 |
pycparser |
2.21 |
pydantic |
2.8.2 |
pydantic-core |
2.20.1 |
pydeck |
0.9.1 |
pygments |
2.15.1 |
pyjwt |
2.8.0 |
pylev |
1.4.0 |
pymc |
5.16.1 |
pympler |
1.1 |
pyopenssl |
24.2.1 |
pyparsing |
3.0.9 |
pyqt5 |
5.15.10 |
pyqt5-sip |
12.13.0 |
pysimdjson |
6.0.2 |
pysocks |
1.7.1 |
pystan |
3.10.0 |
pytensor |
2.13.1 |
pytensor |
2.23.0 |
python-dateutil |
2.8.3+snowflake1 |
pytimeparse |
1.1.8 |
pytz |
2024.1 |
pytz-deprecation-shim |
0.1.0.post0 |
pyyaml |
6.0.1 |
ray |
2.10.0 |
referencing |
0.30.2 |
regex |
2024.7.24 |
요청 |
2.32.3 |
retrying |
1.3.4 |
rich |
13.7.1 |
rpds-py |
0.10.6 |
rsa |
4.7.2 |
s3fs |
2023.10.0 |
safetensors |
0.4.4 |
scikit-learn |
1.3.0 |
scipy |
1.13.1 |
seaborn |
0.13.2 |
setproctitle |
1.2.2 |
setuptools |
70.0.0 |
sip |
6.7.12 |
six |
1.16.0 |
smart-open |
5.2.1 |
smmap |
4.0.0 |
sniffio |
1.3.0 |
snowbooks |
1.46.0 |
Snowflake |
0.12.1 |
snowflake-connector-python |
3.12.0 |
snowflake-core |
0.12.1 |
snowflake-legacy |
0.12.1 |
snowflake-ml-python |
1.6.2 |
snowflake-snowpark-python |
1.18.0 |
snowflake-telemetry-python |
0.5.0 |
sortedcontainers |
2.4.0 |
sqlparse |
0.5.1 |
stack-data |
0.2.0 |
stanio |
0.5.1 |
statsmodels |
0.14.2 |
Streamlit |
1.26.0 |
sympy |
1.13.2 |
tenacity |
8.2.3 |
tensorboardx |
2.6.2.2 |
threadpoolctl |
3.5.0 |
tokenizers |
0.15.1 |
toml |
0.10.2 |
tomli |
2.0.1 |
tomlkit |
0.11.1 |
toolz |
0.12.0 |
torch |
2.3.0 |
tornado |
6.4.1 |
tqdm |
4.66.4 |
traitlets |
5.14.3 |
transformers |
4.36.0 |
typing-extensions |
4.12.2 |
tzdata |
2024.2 |
tzlocal |
4.3.1 |
unicodedata2 |
15.1.0 |
urllib3 |
2.0.7 |
validators |
0.34.0 |
virtualenv |
20.17.1 |
watchdog |
5.0.3 |
wcwidth |
0.2.5 |
webargs |
8.6.0 |
werkzeug |
3.0.3 |
wheel |
0.43.0 |
wrapt |
1.14.1 |
xarray |
2023.6.0 |
xarray-einstats |
0.6.0 |
xgboost |
1.7.6 |
xgboost-ray |
0.1.19 |
xxhash |
2.0.2 |
yarl |
1.11.0 |
yarl |
1.9.4 |
zipp |
3.17.0 |
GPU V1 이미지의 전체 목록¶
이 테이블은 GPU v1 이미지에 사전 설치된 Python 패키지의 전체 목록입니다.
패키지 |
버전 |
|---|---|
absl-py |
1.4.0 |
accelerate |
0.34.2 |
aiobotocore |
2.7.0 |
aiohttp |
3.9.5 |
aiohttp-cors |
0.7.0 |
aioitertools |
0.12.0 |
aiosignal |
1.2.0 |
aiosignal |
1.3.1 |
altair |
5.4.1 |
annotated-types |
0.6.0 |
anyio |
3.5.0 |
appdirs |
1.4.4 |
arviz |
0.17.1 |
asn1crypto |
1.5.1 |
asttokens |
2.0.5 |
async-timeout |
4.0.3 |
async-timeout |
4.0.3 |
atpublic |
4.0 |
attrs |
23.1.0 |
attrs |
23.2.0 |
backoff |
2.2.1 |
bayesian-optimization |
1.5.1 |
blinker |
1.6.2 |
botocore |
1.31.64 |
bottleneck |
1.3.7 |
Brotli |
1.0.9 |
cachetools |
5.3.3 |
causalpy |
0.4.0 |
certifi |
2024.8.30 |
cffi |
1.16.0 |
charset-normalizer |
3.3.2 |
click |
8.1.7 |
clikit |
0.6.2 |
cloudpickle |
2.0.0 |
cmake |
3.30.3 |
cmdstanpy |
1.2.4 |
colorama |
0.4.6 |
colorful |
0.5.4 |
단점 |
0.4.6 |
contourpy |
1.2.0 |
crashtest |
0.3.1 |
cryptography |
42.0.8 |
cycler |
0.11.0 |
데이터 세트 |
2.16.1 |
decorator |
5.1.1 |
사용되지 않음 |
1.2.13 |
dill |
0.3.7 |
diskcache |
5.6.3 |
distlib |
0.3.8 |
distro |
1.9.0 |
etuples |
0.3.9 |
evaluate |
0.4.2 |
exceptiongroup |
1.2.0 |
executing |
0.8.3 |
fastapi |
0.115.0 |
filelock |
3.13.1 |
flask |
3.0.3 |
fonttools |
4.51.0 |
frozenlist |
1.4.0 |
frozenlist |
1.4.1 |
fsspec |
2023.10.0 |
gitdb |
4.0.7 |
gitpython |
3.1.41 |
gmpy2 |
2.1.2 |
google-api-core |
2.19.1 |
google-auth |
2.29.0 |
googleapis-common-protos |
1.63.2 |
graphviz |
0.20.1 |
grpcio |
1.66.1 |
grpcio-tools |
1.62.3 |
gunicorn |
22.0.0 |
h11 |
0.14.0 |
h5netcdf |
1.2.0 |
h5py |
3.11.0 |
holidays |
0.57 |
httpcore |
1.0.5 |
httptan |
4.13.0 |
httptools |
0.6.1 |
httpx |
0.27.2 |
huggingface-hub |
0.24.6 |
idna |
3.6 |
idna |
3.7 |
importlib-metadata |
6.11.0 |
importlib-resources |
6.4.5 |
interegular |
0.3.3 |
ipython |
8.27.0 |
itsdangerous |
2.2.0 |
jedi |
0.19.1 |
jinja2 |
3.1.4 |
jiter |
0.5.0 |
jmespath |
1.0.1 |
Joblib |
1.4.2 |
jsonschema |
4.19.2 |
jsonschema-specifications |
2023.7.1 |
kiwisolver |
1.4.4 |
lark |
1.2.2 |
lightgbm |
4.5.0 |
lightgbm-ray |
0.1.9 |
llvmlite |
0.43.0 |
lm-format-enforcer |
0.10.3 |
logical-unification |
0.4.6 |
markdown-it-py |
2.2.0 |
markupsafe |
2.1.3 |
marshmallow |
3.22.0 |
matplotlib |
3.8.4 |
matplotlib-inline |
0.1.6 |
mdurl |
0.1.0 |
minikanren |
1.0.3 |
mkl-fft |
1.3.10 |
mkl-random |
1.2.7 |
mkl-service |
2.4.0 |
mlruntimes-client |
0.2.0 |
mlruntimes-service |
0.2.0 |
modin |
0.31.0 |
mpmath |
1.3.0 |
msgpack |
1.0.3 |
multidict |
6.0.4 |
multidict |
6.0.5 |
multipledispatch |
0.6.0 |
multiprocess |
0.70.15 |
narwhals |
1.8.4 |
nest-asyncio |
1.6.0 |
networkx |
3.3 |
ninja |
1.11.1.1 |
nltk |
3.9.1 |
numba |
0.60.0 |
numexpr |
2.8.7 |
numpy |
1.24.3 |
nvidia-cublas-cu12 |
12.1.3.1 |
nvidia-cuda-cupti-cu12 |
12.1.105 |
nvidia-cuda-nvrtc-cu12 |
12.1.105 |
nvidia-cuda-runtime-cu12 |
12.1.105 |
nvidia-cudnn-cu12 |
8.9.2.26 |
nvidia-cufft-cu12 |
11.0.2.54 |
nvidia-curand-cu12 |
10.3.2.106 |
nvidia-cusolver-cu12 |
11.4.5.107 |
nvidia-cusparse-cu12 |
12.1.0.106 |
nvidia-ml-py |
12.560.30 |
nvidia-nccl-cu12 |
2.20.5 |
nvidia-nvjitlink-cu12 |
12.6.68 |
nvidia-nvtx-cu12 |
12.1.105 |
openai |
1.50.1 |
opencensus |
0.11.3 |
opencensus-context |
0.1.3 |
opencv-python |
4.10.0.84 |
opentelemetry-api |
1.23.0 |
opentelemetry-exporter-otlp-proto-common |
1.23.0 |
opentelemetry-exporter-otlp-proto-grpc |
1.25.0 |
opentelemetry-proto |
1.23.0 |
opentelemetry-sdk |
1.23.0 |
opentelemetry-semantic-conventions |
0.44b0 |
outlines |
0.0.46 |
패키징 |
23.1 |
pandas |
2.2.3 |
parso |
0.8.3 |
pastel |
0.2.1 |
patsy |
0.5.6 |
peft |
0.5.0 |
pexpect |
4.8.0 |
pillow |
9.5.0 |
pip |
24.2 |
platformdirs |
2.6.2 |
plotly |
5.22.0 |
ply |
3.11 |
prometheus-client |
0.20.0 |
prometheus-fastapi-instrumentator |
7.0.0 |
prompt-toolkit |
3.0.43 |
prophet |
1.1.5 |
proto-plus |
1.24.0 |
프로토콜 버퍼 |
4.24.4 |
psutil |
5.9.0 |
ptyprocess |
0.7.0 |
pure-eval |
0.2.2 |
py-cpuinfo |
9.0.0 |
pyairports |
2.1.1 |
pyarrow |
15.0.0 |
pyarrow-hotfix |
0.6 |
pyasn1 |
0.4.8 |
pyasn1-modules |
0.2.8 |
pycountry |
24.6.1 |
pycparser |
2.21 |
pydantic |
2.8.2 |
pydantic-core |
2.20.1 |
pydeck |
0.9.1 |
pygments |
2.15.1 |
pyjwt |
2.8.0 |
pylev |
1.4.0 |
pymc |
5.16.1 |
pympler |
1.1 |
pyopenssl |
24.2.1 |
pyparsing |
3.0.9 |
pyqt5 |
5.15.10 |
pyqt5-sip |
12.13.0 |
pysimdjson |
6.0.2 |
pysocks |
1.7.1 |
pystan |
3.10.0 |
pytensor |
2.13.1 |
pytensor |
2.23.0 |
python-dateutil |
2.8.3+snowflake1 |
python-dotenv |
1.0.1 |
pytimeparse |
1.1.8 |
pytz |
2024.1 |
pytz-deprecation-shim |
0.1.0.post0 |
pyyaml |
6.0.1 |
pyzmq |
26.2.0 |
ray |
2.10.0 |
referencing |
0.30.2 |
regex |
2024.7.24 |
요청 |
2.32.3 |
retrying |
1.3.4 |
rich |
13.7.1 |
rpds-py |
0.10.6 |
rsa |
4.7.2 |
s3fs |
2023.10.0 |
safetensors |
0.4.4 |
scikit-learn |
1.3.0 |
scipy |
1.9.3 |
seaborn |
0.13.2 |
sentencepiece |
0.1.99 |
setproctitle |
1.2.2 |
setuptools |
70.0.0 |
sip |
6.7.12 |
six |
1.16.0 |
smart-open |
5.2.1 |
smmap |
4.0.0 |
sniffio |
1.3.0 |
snowbooks |
1.46.0 |
Snowflake |
0.12.1 |
snowflake-connector-python |
3.12.0 |
snowflake-core |
0.12.1 |
snowflake-legacy |
0.12.1 |
snowflake-ml-python |
1.6.2 |
snowflake-snowpark-python |
1.18.0 |
snowflake-telemetry-python |
0.5.0 |
sortedcontainers |
2.4.0 |
sqlparse |
0.5.1 |
stack-data |
0.2.0 |
stanio |
0.5.1 |
starlette |
0.38.6 |
statsmodels |
0.14.2 |
Streamlit |
1.26.0 |
sympy |
1.13.2 |
tenacity |
8.2.3 |
tensorboardx |
2.6.2.2 |
threadpoolctl |
3.5.0 |
tiktoken |
0.7.0 |
tokenizers |
0.20.0 |
toml |
0.10.2 |
tomli |
2.0.1 |
tomlkit |
0.11.1 |
toolz |
0.12.0 |
torch |
2.3.1 |
torchvision |
0.18.1 |
tornado |
6.4.1 |
tqdm |
4.66.4 |
traitlets |
5.14.3 |
transformers |
4.45.1 |
triton |
2.3.1 |
typing-extensions |
4.12.2 |
tzdata |
2024.2 |
tzlocal |
4.3.1 |
unicodedata2 |
15.1.0 |
urllib3 |
2.0.7 |
uvicorn |
0.31.0 |
uvloop |
0.20.0 |
validators |
0.34.0 |
virtualenv |
20.17.1 |
vllm |
0.5.3.post1 |
vllm-flash-attn |
2.5.9.post1 |
watchdog |
5.0.3 |
watchfiles |
0.24.0 |
wcwidth |
0.2.5 |
webargs |
8.6.0 |
websockets |
13.1 |
werkzeug |
3.0.3 |
wheel |
0.43.0 |
wrapt |
1.14.1 |
xarray |
2023.6.0 |
xarray-einstats |
0.6.0 |
xformers |
0.0.27 |
xgboost |
1.7.6 |
xgboost-ray |
0.1.19 |
xxhash |
2.0.2 |
yarl |
1.11.0 |
yarl |
1.9.4 |
zipp |
3.17.0 |
다음 단계¶
Container Runtime for ML으로 노트북을 사용해 보려면 Container Runtime for ML의 Notebooks 섹션을 참조하십시오.