1 个不稳定版本

0.0.0 2022年1月14日

#36 in #ray

Apache-2.0

27KB
534

https://github.com/ray-project/ray/raw/master/doc/source/images/ray_header_logo.png https://readthedocs.org/projects/ray/badge/?version=master https://img.shields.io/badge/Ray-Join%20Slack-blue https://img.shields.io/badge/Discuss-Ask%20Questions-blue https://img.shields.io/twitter/follow/raydistributed.svg?style=social&logo=twitter

Ray是一个统一框架,用于扩展AI和Python应用程序。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

https://github.com/ray-project/ray/raw/master/doc/source/images/what-is-ray-padded.svg

了解更多关于 Ray AI库 的信息

  • 数据:可扩展的ML数据集
  • 训练:分布式训练
  • 调整:可扩展的超参数调整
  • RLlib:可扩展的强化学习
  • 服务:可扩展且可编程的服务

或者更多关于 Ray核心 及其关键抽象的信息

  • 任务:在集群中执行的无状态函数。
  • 演员: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。

使用 Ray仪表板 监控和调试Ray应用程序和集群。

Ray可以在任何机器、集群、云提供商和Kubernetes上运行,并拥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。对于夜间版本,请参阅安装页面

为什么选择Ray?

今天的机器学习工作负载越来越依赖于计算。虽然它们非常方便,但像笔记本电脑这样的单节点开发环境无法扩展以满足这些需求。

Ray是一种统一的方法,可以将Python和AI应用程序从笔记本电脑扩展到集群。

使用Ray,您可以无缝地将相同的代码从笔记本电脑扩展到集群。Ray旨在通用,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,则可以使用Ray进行扩展,无需其他基础设施。

参与其中

平台 目的 估计响应时间 支持级别
Discourse论坛 用于开发讨论和有关使用的疑问。 < 1天 社区
GitHub问题 用于报告错误和提交功能请求。 < 2天 Ray OSS团队
Slack 与其他Ray用户合作。 < 2天 社区
StackOverflow 有关如何使用Ray的问题。 3-5天 社区
Meetup团体 了解Ray项目和最佳实践。 每月 Ray DevRel
Twitter 了解新功能。 每日 Ray DevRel

依赖关系

~3.5–6.5MB
~122K SLoC