ray

Ray는 AI 및 Python 애플리케이션을 확장하기 위한 통합 프레임워크입니다. Ray는 핵심 분산 런타임과 ML 컴퓨팅을 단순화하기 위한 일련의 AI 라이브러리로 구성됩니다:

Ray AI 라이브러리에 대해 자세히 알아보기:

Data : ML을 위한 확장 가능한 데이터셋
Train : 분산 학습
Tune : 확장 가능한 하이퍼파라미터 튜닝
RLlib : 확장 가능한 강화 학습
Serve : 확장 가능하고 프로그래밍 가능한 서빙

또는 Ray Core와 주요 추상화에 대해 자세히 알아보기:

Tasks : 클러스터에서 실행되는 상태 비저장 함수.
Actors : 클러스터에서 생성되는 상태 저장 워커 프로세스.
Objects : 클러스터 전반에서 접근 가능한 불변 값.

모니터링 및 디버깅에 대해 자세히 알아보기:

Ray Dashboard 로 Ray 앱과 클러스터를 모니터링하세요.
Ray Distributed Debugger 로 Ray 앱을 디버그하세요.

Ray는 모든 머신, 클러스터, 클라우드 제공자, Kubernetes에서 실행되며, 성장하는
커뮤니티 통합 생태계 를 갖추고 있습니다.

Ray 설치: pip install ray . 야간 빌드(nightly wheels)는
설치 페이지 를 참조하세요.

왜 Ray인가?
오늘날의 ML 워크로드는 점점 더 컴퓨팅 집약적이 되고 있습니다. 편리하긴 하지만, 노트북과 같은 단일 노드 개발 환경은 이러한 요구를 충족하도록 확장할 수 없습니다.

Ray는 노트북에서 클러스터까지 Python 및 AI 애플리케이션을 확장하는 통합된 방법입니다.

Ray를 사용하면 동일한 코드를 노트북에서 클러스터까지 원활하게 확장할 수 있습니다. Ray는 범용으로 설계되어 어떤 종류의 워크로드든 성능 좋게 실행할 수 있습니다. 애플리케이션이 Python으로 작성되었다면, 다른 인프라 없이도 Ray로 확장할 수 있습니다.

추가 정보

문서
Ray 아키텍처 백서
Exoshuffle: Ray에서의 대규모 데이터 셔플
Ownership: 세밀한 작업을 위한 분산 퓨처 시스템
RLlib 논문
Tune 논문

이전 문서:

Ray 논문
Ray HotOS 논문
Ray 아키텍처 v1 백서

참여하기

플랫폼
목적
예상 응답 시간
지원 수준

Discourse 포럼
개발 관련 논의 및 사용법 질문.
< 1일
커뮤니티

GitHub Issues
버그 신고 및 기능 요청.
< 2일
Ray OSS 팀

Slack
다른 Ray 사용자와의 협업.
< 2일
커뮤니티

StackOverflow
Ray 사용 방법에 대한 질문.
3-5일
커뮤니티

밋업 그룹
Ray 프로젝트 및 모범 사례 학습.
매월
Ray DevRel

Twitter
새로운 기능에 대한 최신 정보.
매일
Ray DevRel