ray

Ray ist ein einheitliches Framework zur Skalierung von KI- und Python-Anwendungen. Ray besteht aus einer verteilten Kernlaufzeit und einer Reihe von KI-Bibliotheken zur Vereinfachung der ML-Berechnung:

Erfahren Sie mehr über Ray AI-Bibliotheken:

• Daten: Skalierbare Datensätze für ML
• Trainieren: Verteiltes Training
• Tune: Skalierbares Hyperparameter-Tuning
• RLlib: Skalierbares Verstärkungslernen
• Servieren: Skalierbares und programmierbares Servieren

Oder mehr über Ray Core und seine wichtigsten Abstraktionen:

• Aufgaben: Im Cluster ausgeführte zustandslose Funktionen.
• Akteure: Im Cluster erstellte zustandsbehaftete Arbeitsprozesse.
• Objekte: Unveränderliche Werte, auf die im gesamten Cluster zugegriffen werden kann.

Erfahren Sie mehr über Überwachung und Debugging:

• Überwachen Sie Ray-Apps und -Cluster mit dem Ray Dashboard.
• Debuggen Sie Ray-Apps mit dem Ray Distributed Debugger.

Ray läuft auf jeder Maschine, jedem Cluster, jedem Cloud-Anbieter und Kubernetes und verfügt über ein wachsendes Ökosystem von Community-Integrationen.

Installieren Sie Ray mit: pip install ray . Informationen zu Nachträdern finden Sie auf der Installationsseite.

Warum Ray?

Heutige ML-Workloads werden immer rechenintensiver. So praktisch sie auch sind, Einzelknoten-Entwicklungsumgebungen wie Ihr Laptop können diese Anforderungen nicht erfüllen.

Ray ist eine einheitliche Möglichkeit, Python- und KI-Anwendungen von einem Laptop auf einen Cluster zu skalieren.

Mit Ray können Sie denselben Code nahtlos von einem Laptop auf einen Cluster skalieren. Ray ist universell einsetzbar, d. h. es kann jede Art von Arbeitslast performant ausführen. Wenn Ihre Anwendung in Python geschrieben ist, können Sie sie mit Ray skalieren, ohne dass eine weitere Infrastruktur erforderlich ist.

Weitere Informationen

• Dokumentation
• Whitepaper zu Ray Architecture
• Exoshuffle: groß angelegter Datenshuffle in Ray
• Eigentum: ein verteiltes Futures-System für feinkörnige Aufgaben
• RLlib-Papier
• Papier stimmen

Ältere Dokumente:

• Ray-Papier
• Ray HotOS-Papier
• Whitepaper zu Ray Architecture v1

Mitmachen

Plattform	Zweck	Geschätzte Reaktionszeit	Unterstützungsstufe
Diskursforum	Für Diskussionen zur Entwicklung und Fragen zur Nutzung.	< 1 Tag	Gemeinschaft
GitHub-Probleme	Zum Melden von Fehlern und Einreichen von Funktionsanfragen.	< 2 Tage	Ray OSS-Team
Locker	Für die Zusammenarbeit mit anderen Ray-Benutzern.	< 2 Tage	Gemeinschaft
StackOverflow	Für Fragen zur Verwendung von Ray.	3-5 Tage	Gemeinschaft
Meetup-Gruppe	Um mehr über Ray-Projekte und Best Practices zu erfahren.	Monatlich	Ray DevRel
Twitter	Um über neue Funktionen auf dem Laufenden zu bleiben.	Täglich	Ray DevRel