ray

Ray는 AI 및 Python 애플리케이션 확장을 위한 통합 프레임워크입니다. Ray는 ML 컴퓨팅을 단순화하기 위한 핵심 분산 런타임과 AI 라이브러리 세트로 구성됩니다.

Ray AI 라이브러리에 대해 자세히 알아보세요.

• 데이터: ML을 위한 확장 가능한 데이터 세트
• 훈련: 분산 훈련
• 조정: 확장 ​​가능한 초매개변수 조정
• RLlib: 확장 가능한 강화 학습
• 제공: 확장 가능하고 프로그래밍 가능한 제공

또는 Ray Core 및 주요 추상화에 대한 자세한 내용은 다음과 같습니다.

• 작업: 클러스터에서 실행되는 상태 비저장 함수입니다.
• 행위자: 클러스터에 생성된 상태 저장 작업자 프로세스입니다.
• 객체: 클러스터 전체에서 액세스할 수 있는 변경할 수 없는 값입니다.

모니터링 및 디버깅에 대해 자세히 알아보세요.

• Ray 대시보드를 사용하여 Ray 앱 및 클러스터를 모니터링합니다.
• Ray Distributed Debugger를 사용하여 Ray 앱을 디버그합니다.

Ray는 모든 시스템, 클러스터, 클라우드 제공업체 및 Kubernetes에서 실행되며 점점 증가하는 커뮤니티 통합 생태계를 제공합니다.

다음을 사용하여 Ray를 설치합니다: pip install ray . 야간 휠에 대해서는 설치 페이지를 참조하세요.

왜 레이?

오늘날의 ML 워크로드는 점점 더 컴퓨팅 집약적입니다. 편리하기는 하지만 노트북과 같은 단일 노드 개발 환경은 이러한 요구 사항을 충족하도록 확장할 수 없습니다.

Ray는 Python 및 AI 애플리케이션을 노트북에서 클러스터로 확장하는 통합 방법입니다.

Ray를 사용하면 동일한 코드를 노트북에서 클러스터로 원활하게 확장할 수 있습니다. Ray는 범용으로 설계되었습니다. 즉, 모든 종류의 워크로드를 효율적으로 실행할 수 있습니다. 애플리케이션이 Python으로 작성된 경우 다른 인프라가 필요 없이 Ray를 사용하여 확장할 수 있습니다.

추가 정보

• 선적 서류 비치
• Ray 아키텍처 백서
• Exoshuffle: Ray의 대규모 데이터 셔플
• 소유권: 세분화된 작업을 위한 분산형 선물 시스템
• RLlib 종이
• 조율 종이

이전 문서:

• 레이 종이
• 레이 HotOS 문서
• Ray Architecture v1 백서

참여하기

플랫폼	목적	예상 응답 시간	지원 수준
담론포럼	개발에 대한 논의 및 사용법에 대한 질문입니다.	< 1일	지역 사회
GitHub 문제	버그를 보고하고 기능 요청을 제출합니다.	< 2일	레이 OSS 팀
느슨하게	다른 Ray 사용자와의 협력을 위해.	< 2일	지역 사회
스택오버플로우	Ray 사용 방법에 대해 질문합니다.	3~5일	지역 사회
모임 그룹	Ray 프로젝트 및 모범 사례에 대해 알아보세요.	월간 간행물	레이 데브렐
지저귀다	새로운 기능에 대한 최신 정보를 얻으려면	일일	레이 데브렐