ray

Ray adalah kerangka kerja terpadu untuk menskalakan aplikasi AI dan Python. Ray terdiri dari runtime inti yang terdistribusi dan sekumpulan pustaka AI untuk menyederhanakan komputasi ML:

Pelajari lebih lanjut tentang Perpustakaan Ray AI:

• Data: Kumpulan Data yang Dapat Diskalakan untuk ML
• Kereta Api: Pelatihan Terdistribusi
• Lagu: Penyetelan Hyperparameter yang Dapat Diskalakan
• RLlib: Pembelajaran Penguatan yang Skalabel
• Sajikan: Penyajian yang Dapat Diskalakan dan Dapat Diprogram

Atau lebih lanjut tentang Ray Core dan abstraksi utamanya:

• Tugas: Fungsi tanpa kewarganegaraan dijalankan di cluster.
• Aktor: Proses pekerja stateful yang dibuat di cluster.
• Objek: Nilai yang tidak dapat diubah yang dapat diakses di seluruh cluster.

Pelajari lebih lanjut tentang Pemantauan dan Debug:

• Pantau aplikasi dan cluster Ray dengan Ray Dashboard.
• Debug aplikasi Ray dengan Ray Distributed Debugger.

Ray berjalan di mesin, cluster, penyedia cloud, dan Kubernetes apa pun, serta menampilkan ekosistem integrasi komunitas yang berkembang.

Instal Ray dengan: pip install ray . Untuk nightly wheel, lihat halaman Instalasi.

Kenapa Ray?

Beban kerja ML saat ini semakin intensif dalam hal komputasi. Meskipun nyaman, lingkungan pengembangan node tunggal seperti laptop Anda tidak dapat disesuaikan untuk memenuhi tuntutan ini.

Ray adalah cara terpadu untuk menskalakan aplikasi Python dan AI dari laptop ke cluster.

Dengan Ray, Anda dapat dengan mudah menskalakan kode yang sama dari laptop ke cluster. Ray dirancang untuk tujuan umum, yang berarti dapat menjalankan segala jenis beban kerja dengan kinerja yang baik. Jika aplikasi Anda ditulis dengan Python, Anda dapat menskalakannya dengan Ray, tidak memerlukan infrastruktur lain.

Informasi Lebih Lanjut

• Dokumentasi
• Buku putih Arsitektur Ray
• Exoshuffle: pengocokan data skala besar di Ray
• Kepemilikan: sistem masa depan terdistribusi untuk tugas-tugas terperinci
• kertas RLlib
• Kertas penyetelan

Dokumen lama:

• kertas sinar
• Kertas Ray HotOS
• Buku putih Ray Architecture v1

Terlibat

Platform	Tujuan	Perkiraan Waktu Respons	Tingkat Dukungan
Forum Wacana	Untuk diskusi tentang pengembangan dan pertanyaan tentang penggunaan.	< 1 hari	Masyarakat
Masalah GitHub	Untuk melaporkan bug dan mengajukan permintaan fitur.	< 2 hari	Tim Ray OSS
Kendur	Untuk berkolaborasi dengan pengguna Ray lainnya.	< 2 hari	Masyarakat
StackOverflow	Untuk mengajukan pertanyaan tentang cara menggunakan Ray.	3-5 hari	Masyarakat
Grup Pertemuan	Untuk mempelajari proyek Ray dan praktik terbaik.	Bulanan	Ray DevRel
Twitter	Untuk tetap mendapatkan informasi terkini tentang fitur-fitur baru.	Sehari-hari	Ray DevRel