ray

Ray 是用於擴展 AI 和 Python 應用程式的統一框架。 Ray 由一個核心分散式運行時和一組用於簡化 ML 計算的 AI 庫組成：

了解有關 Ray AI 庫的更多資訊：

• 數據：用於 ML 的可擴展數據集
• 訓練：分散式訓練
• 調優：可擴展的超參數調優
• RLlib：可擴展的強化學習
• 服務：可擴展和可編程的服務

或更多關於 Ray Core 及其關鍵抽象：

• 任務：在叢集中執行的無狀態函數。
• 參與者：在叢集中建立的有狀態工作進程。
• 物件：跨集群可存取的不可變值。

了解有關監控和調試的更多資訊：

• 使用 Ray 儀表板監控 Ray 應用程式和叢集。
• 使用 Ray 分散式調試器調試 Ray 應用程式。

Ray 可以在任何機器、叢集、雲端供應商和 Kubernetes 上運行，並具有不斷發展的社群整合生態系統。

使用下列命令安裝 Ray： pip install ray 。對於夜間輪子，請參閱安裝頁面。

為什麼是雷？

現今的機器學習工作負載的計算密集程度越來越高。儘管筆記型電腦等單節點開發環境很方便，但無法擴展以滿足這些需求。

Ray 是一種將 Python 和 AI 應用程式從筆記型電腦擴展到叢集的統一方法。

借助 Ray，您可以將相同的程式碼從筆記型電腦無縫擴展到叢集。 Ray 被設計為通用型，這意味著它可以有效地運行任何類型的工作負載。如果您的應用程式是用 Python 編寫的，您可以使用 Ray 對其進行擴展，而無需其他基礎設施。

更多資訊

• 文件
• Ray 架構白皮書
• Exoshuffle：Ray 中的大規模資料 shuffle
• 所有權：用於細粒度任務的分散式期貨系統
• RLlib論文
• 調紙

較舊的文檔：

• 射線紙
• Ray HotOS 論文
• Ray 架構 v1 白皮書

參與其中

平台	目的	預計回應時間	支持水平
話語論壇	用於有關開發的討論和有關使用的問題。	< 1 天	社群
GitHub 問題	用於報告錯誤和提交功能請求。	< 2 天	雷OSS團隊
鬆弛	用於與其他 Ray 使用者協作。	< 2 天	社群
堆疊溢位	用於詢問有關如何使用 Ray 的問題。	3-5天	社群
聚會小組	用於了解 Ray 專案和最佳實踐。	每月	雷·戴夫·瑞爾
嘰嘰喳喳	用於及時了解新功能。	日常的	雷·戴夫·瑞爾