ray

Ray は、AI および Python アプリケーションをスケーリングするための統合フレームワークです。 Ray は、コア分散ランタイムと、ML コンピューティングを簡素化するための AI ライブラリのセットで構成されています。

Ray AI ライブラリの詳細については、こちらをご覧ください。

• データ: ML 用のスケーラブルなデータセット
• トレーニング: 分散トレーニング
• 調整: スケーラブルなハイパーパラメータ調整
• RLlib: スケーラブルな強化学習
• 提供: スケーラブルでプログラム可能な提供

Ray Core とその主要な抽象化についてさらに詳しく:

• タスク: クラスター内で実行されるステートレス関数。
• アクター: クラスター内に作成されたステートフル ワーカー プロセス。
• オブジェクト: クラスター全体でアクセス可能な不変の値。

モニタリングとデバッグについて詳しくは、以下をご覧ください。

• Ray ダッシュボードを使用して Ray アプリとクラスターを監視します。
• Ray 分散デバッガーを使用して Ray アプリをデバッグします。

Ray は、あらゆるマシン、クラスター、クラウド プロバイダー、および Kubernetes 上で実行され、コミュニティ統合のエコシステムの成長を特徴としています。

pip install rayを使用して Ray をインストールします。 Nightly Wheel については、「インストール」ページを参照してください。

なぜレイ?

今日の ML ワークロードは、ますますコンピューティング集約型になっています。ラップトップなどの単一ノード開発環境は便利ですが、これらの需要を満たすように拡張することはできません。

Ray は、Python および AI アプリケーションをラップトップからクラスターに拡張するための統合された方法です。

Ray を使用すると、同じコードをラップトップからクラスターにシームレスに拡張できます。 Ray は汎用的に設計されており、あらゆる種類のワークロードをパフォーマンスで実行できることを意味します。アプリケーションが Python で書かれている場合は、Ray を使用して拡張でき、他のインフラストラクチャは必要ありません。

詳細情報

• ドキュメント
• Ray アーキテクチャのホワイトペーパー
• Exoshuffle: Ray での大規模なデータ シャッフル
• 所有権: きめ細かいタスクのための分散型先物システム
• RLlib 論文
• チューンペーパー

古い文書:

• 光線紙
• Ray HotOS ペーパー
• Ray アーキテクチャ v1 ホワイトペーパー

参加する

プラットフォーム	目的	推定応答時間	サポートレベル
談話フォーラム	開発に関するご相談や、使い方に関するご質問など。	< 1 日	コミュニティ
GitHubの問題	バグの報告と機能リクエストの提出用。	< 2 日	レイOSSチーム
スラック	他の Ray ユーザーとのコラボレーション用。	< 2 日	コミュニティ
スタックオーバーフロー	Rayの使い方について質問します。	3～5日	コミュニティ
ミートアップグループ	Ray プロジェクトとベスト プラクティスについて学ぶため。	毎月	レイ・デヴレル
ツイッター	新機能に関する最新情報を入手するため。	毎日	レイ・デヴレル