Ray简介

Ray是一个开源的人工智能分布式框架,它的目标是让开发者仅需添加数行代码就能轻松转为适合于计算机集群运行的高性能分布式应用。

今天的深度学习越来越需要计算资源,像笔记本电脑这样的单节点开发环境无法扩展以满足算力需求,Ray是将Python和AI应用程序从笔记本电脑扩展到集群的统一方法。使用Ray,您可以将相同的代码从笔记本电脑无缝扩展到集群。

Ray被设计为通用的,Ray 与 TensorFlow、PyTorch 和 MXNet 等深度学习框架互相兼容,这意味着它可以高性能地运行任何类型的深度学习算法。

Ray架构

Ray由一个核心分布式运行时和一个用于简化ML计算的库工具包(Ray AIR)组成,如下图所示:

Ray的安装

1、对于一般的Python应用程序,请使用下面的安装命令:

pip install -U "ray[default]"

如果你不想使用 Ray Dashboard 或者 Cluster Launcher,只想安装Ray最小核心,请使用以下命令:

pip install -U "ray"

2、对于机器学习/深度学习的应用支持,请使用下面的安装命令:

pip install -U "ray[air]"

对于强化学习的支持,请使用RLlib来代替,如下所示:

pip install -U "ray[rllib]"

更多ray安装选项请见下面的表格:

Command

Installed components

pip install -U "ray"

Core

pip install -U "ray[default]"

Core, Dashboard, Cluster Launcher

pip install -U "ray[data]"

Core, Data

pip install -U "ray[train]"

Core, Train

pip install -U "ray[tune]"

Core, Tune

pip install -U "ray[serve]"

Core, Dashboard, Cluster Launcher, Serve

pip install -U "ray[rllib]"

Core, Tune, RLlib

pip install -U "ray[air]"

Core, Dashboard, Cluster Launcher, Data, Train, Tune, Serve

pip install -U "ray[all]"

Core, Dashboard, Cluster Launcher, Data, Train, Tune, Serve, RLlib

更多介绍请参考:https://docs.ray.io/en/master/ray-overview/installation.html

Ray的官方文档

https://docs.ray.io/en/latest/ray-overview/getting-started.html

https://docs.ray.io/en/latest/index.html