ray

Ray 是用于扩展 AI 和 Python 应用程序的统一框架。 Ray 由一个核心分布式运行时和一组用于简化 ML 计算的 AI 库组成：

了解有关 Ray AI 库的更多信息：

• 数据：用于 ML 的可扩展数据集
• 训练：分布式训练
• 调优：可扩展的超参数调优
• RLlib：可扩展的强化学习
• 服务：可扩展和可编程的服务

或者更多关于 Ray Core 及其关键抽象：

• 任务：在集群中执行的无状态函数。
• 参与者：在集群中创建的有状态工作进程。
• 对象：跨集群可访问的不可变值。

了解有关监控和调试的更多信息：

• 使用 Ray 仪表板监控 Ray 应用程序和集群。
• 使用 Ray 分布式调试器调试 Ray 应用程序。

Ray 可以在任何机器、集群、云提供商和 Kubernetes 上运行，并具有不断发展的社区集成生态系统。

使用以下命令安装 Ray： pip install ray 。对于夜间轮子，请参阅安装页面。

为什么是雷？

当今的机器学习工作负载的计算密集程度越来越高。尽管笔记本电脑等单节点开发环境很方便，但无法扩展以满足这些需求。

Ray 是一种将 Python 和 AI 应用程序从笔记本电脑扩展到集群的统一方法。

借助 Ray，您可以将相同的代码从笔记本电脑无缝扩展到集群。 Ray 被设计为通用型，这意味着它可以高效地运行任何类型的工作负载。如果您的应用程序是用 Python 编写的，您可以使用 Ray 对其进行扩展，无需其他基础设施。

更多信息

• 文档
• Ray 架构白皮书
• Exoshuffle：Ray 中的大规模数据 shuffle
• 所有权：用于细粒度任务的分布式期货系统
• RLlib论文
• 调纸

较旧的文档：

• 射线纸
• Ray HotOS 论文
• Ray 架构 v1 白皮书

参与其中

平台	目的	预计响应时间	支持水平
话语论坛	用于有关开发的讨论和有关使用的问题。	< 1 天	社区
GitHub 问题	用于报告错误和提交功能请求。	< 2 天	雷OSS团队
松弛	用于与其他 Ray 用户协作。	< 2 天	社区
堆栈溢出	用于询问有关如何使用 Ray 的问题。	3-5天	社区
聚会小组	用于了解 Ray 项目和最佳实践。	每月	雷·戴夫·雷尔
叽叽喳喳	用于及时了解新功能。	日常的	雷·戴夫·雷尔