Ray 学习资料汇总 - 分布式计算框架助力机器学习扩展
Ray是一个强大的分布式计算框架,可以帮助开发者将Python和机器学习工作负载从笔记本电脑扩展到集群。本文整理了Ray的各类学习资源,为读者提供一个全面的Ray学习指南。
🚀 快速入门
- Ray官方文档 - 最权威和全面的Ray参考资料
- Ray概述 - 快速了解Ray的核心概念和整个生态系统
- Ray AI Runtime简介 - 了解Ray的AI运行时环境
💻 Ray核心功能学习
- Ray Core: 远程函数 - 学习如何使用Ray异步执行函数
- Ray Core: 远程对象 - 了解Ray集群中的对象存储
- Ray Core: Actor (上) - 学习有状态的Actor使用
- Ray Core: Actor (下) - 深入学习"Actor树"模式
- Ray Core: 最佳实践 - 掌握Ray API的最佳实践
🖼️ 计算机视觉应用
- 扩展批量推理 - 使用Ray扩展计算机视觉的批量推理
- 使用Ray Dataset进行批量推理 - 使用Ray Dataset进行高效批量推理
- 扩展模型训练 - 使用Ray扩展计算机视觉模型训练
🔍 监控与可观察性
Ray可观察性 (第1部分) - 学习使用Ray State API和Ray Dashboard UI监控Ray集群和应用
🤖 NLP与大语言模型应用
- LLM模型微调与批量推理 - 在Alpaca数据集上微调Hugging Face Transformer (FLAN-T5)模型,并进行分布式超参数调优和批量推理
- 使用Ray Serve实现多语言聊天 - 使用Ray Serve部署Hugging Face LLM聊天模型,并集成多个模型和服务实现多语言聊天
🤝 加入Ray社区
- 加入Slack社区 - 在Slack上与其他Ray用户交流
- 参与讨论 - 在社区论坛提问、关注话题、查看公告
- 参加线下meetup - 参加线下活动,聆听精彩演讲,认识其他用户
- 提交issue - 提交功能请求、bug报告,或寻求帮助
- 成为Ray贡献者 - 为Ray文档和框架做出贡献
Ray为Python和机器学习工作负载提供了强大的分布式计算能力。通过以上学习资源,读者可以全面掌握Ray的核心概念和应用方法,将其应用到实际项目中去。欢迎加入Ray社区,一起探索分布式计算的无限可能!