.. 图片:: https://github.com/ray-project/ray/raw/master/doc/source/images/ray_header_logo.png
.. 图片:: https://readthedocs.org/projects/ray/badge/?version=master :目标: http://docs.ray.io/en/master/?badge=master
.. 图片:: https://img.shields.io/badge/Ray-Join%20Slack-blue :目标: https://forms.gle/9TSdDYUgxYs8SA9e8
.. 图片:: https://img.shields.io/badge/Discuss-Ask%20Questions-blue :目标: https://discuss.ray.io/
.. 图片:: https://img.shields.io/twitter/follow/raydistributed.svg?style=social&logo=twitter :目标: https://twitter.com/raydistributed
Ray 是一个用于扩展 AI 和 Python 应用的统一框架。Ray 由一个核心分布式运行时和一组简化机器学习计算的 AI 库组成:
.. 图片:: https://github.com/ray-project/ray/raw/master/doc/source/images/what-is-ray-padded.svg
.. https://docs.google.com/drawings/d/1Pl8aCYOsZCo61cmp57c7Sja6HhIygGCvSZLi_AuBuqo/edit
了解更多关于 Ray AI 库
_的信息:
Data
_: 可扩展的机器学习数据集Train
_: 分布式训练Tune
_: 可扩展的超参数调整RLlib
_: 可扩展的强化学习Serve
_: 可扩展且可编程的服务
或了解更多关于 Ray 核心
_及其关键抽象的信息:
Tasks
_: 在集群中执行的无状态函数。Actors
_: 在集群中创建的有状态工作进程。Objects
_: 集群中可访问的不可变值。
了解更多关于监控和调试的信息:
- 使用
Ray Dashboard <https://docs.ray.io/en/latest/ray-core/ray-dashboard.html>
__ 监控 Ray 应用和集群。 - 使用
Ray Distributed Debugger <https://docs.ray.io/en/latest/ray-observability/ray-distributed-debugger.html>
__ 调试 Ray 应用。
Ray 可以运行在任何机器、集群、云提供商和 Kubernetes 上,并且拥有一个不断增长的 社区集成生态系统
_。
使用以下命令安装 Ray:pip install ray
。有关 nightly 版本,请参阅 安装页面 <https://docs.ray.io/en/latest/ray-overview/installation.html>
__。
.. _Serve
: https://docs.ray.io/en/latest/serve/index.html
.. _Data
: https://docs.ray.io/en/latest/data/dataset.html
.. _Workflow
: https://docs.ray.io/en/latest/workflows/concepts.html
.. _Train
: https://docs.ray.io/en/latest/train/train.html
.. _Tune
: https://docs.ray.io/en/latest/tune/index.html
.. _RLlib
: https://docs.ray.io/en/latest/rllib/index.html
.. _社区集成生态系统
: https://docs.ray.io/en/latest/ray-overview/ray-libraries.html
为什么选择 Ray?
当今的机器学习工作负载越来越依赖计算。尽管单节点开发环境(如笔记本电脑)非常方便,但它无法扩展以满足这些需求。
Ray 提供了一种统一的方法,将 Python 和 AI 应用从笔记本电脑扩展到集群。
使用 Ray,您可以将相同的代码无缝扩展从笔记本电脑到集群。Ray 被设计为通用的,这意味着它可以高效运行任何类型的工作负载。如果您的应用是用 Python 编写的,您可以使用 Ray 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: 在 Ray 中进行大规模数据交换
_所有权:用于细粒度任务的分布式未来系统
_RLlib 论文
_Tune 论文
_
旧文档:
Ray 论文
_Ray HotOS 论文
_Ray 架构 v1 白皮书
_
.. _Ray AI 库
: https://docs.ray.io/en/latest/ray-air/getting-started.html
.. _Ray 核心
: https://docs.ray.io/en/latest/ray-core/walkthrough.html
.. _Tasks
: https://docs.ray.io/en/latest/ray-core/tasks.html
.. _Actors
: https://docs.ray.io/en/latest/ray-core/actors.html
.. _Objects
: https://docs.ray.io/en/latest/ray-core/objects.html
.. _文档
: http://docs.ray.io/en/latest/index.html
.. _Ray 架构 v1 白皮书
: https://docs.google.com/document/d/1lAy0Owi-vPz2jEqBSaHNQcy2IBSDEHyXNOQZlGuj93c/preview
.. _Ray 架构白皮书
: https://docs.google.com/document/d/1tBw9A4j62ruI5omIJbMxly-la5w4q_TjyJgJL_jN2fI/preview
.. _Exoshuffle: 在 Ray 中进行大规模数据交换
: https://arxiv.org/abs/2203.05072
.. _所有权:用于细粒度任务的分布式未来系统
: https://www.usenix.org/system/files/nsdi21-wang.pdf
.. _Ray 论文
: https://arxiv.org/abs/1712.05889
.. _Ray HotOS 论文
: https://arxiv.org/abs/1703.03924
.. _RLlib 论文
: https://arxiv.org/abs/1712.09381
.. _Tune 论文
: https://arxiv.org/abs/1807.05118
参与其中
.. 列表表格:: :宽度: 25 50 25 25 :表头行: 1
-
- 平台
- 目的
- 预计响应时间
- 支持级别
-
Discourse 论坛
_- 用于讨论开发和使用问题。
- < 1 天
- 社区
-
GitHub 问题
_- 用于报告错误和提交功能请求。
- < 2 天
- Ray 开源团队
-
Slack
_- 用于与其他 Ray 用户合作。
- < 2 天
- 社区
-
StackOverflow
_- 用于询问有关 Ray 使用的问题。
- 3-5 天
- 社区
-
Meetup 小组
_- 用于学习 Ray 项目和最佳实践。
- 每月
- Ray 开发关系团队
-
Twitter
_- 用于了解新功能的最新动态。
- 每天
- Ray 开发关系团队
.. _Discourse 论坛
: https://discuss.ray.io/
.. _GitHub 问题
: https://github.com/ray-project/ray/issues
.. _StackOverflow
: https://stackoverflow.com/questions/tagged/ray
.. _Meetup 小组
: https://www.meetup.com/Bay-Area-Ray-Meetup/
.. _Twitter
: https://twitter.com/raydistributed
.. _Slack
: https://forms.gle/9TSdDYUgxYs8SA9e8