Ray 2.2 发布,机器学习框架
Ray 是一个统一的框架,用于扩展人工智能和 Python 应用程序。Ray 由一个核心的分布式运行时和一个用于加速 ML 工作负载的工具包(Ray AIR)组成。 Ray 2.2 正式发布,该版本增强了可观察性、提高了数据密集型人工智能应用的性能、提高了稳定性,并为 RLlib 提供了更好的用户体验。 改善整个 Ray 生态的可观察性 Ray Jobs API 现在是 GA。Ray Jobs API 允许你将本地开发的应用程序提交给远程 Ray Cluster 执行,旨在简化打包、部署和管理 Ray 应用程序的体验。 为了观察和衡量 Ray 作业在执行过程中的资源使用情况,Ray 2.2 在 Ray Dashboard 中增加了一些功能,包括可视化 Ray 工作进程的 CPU Flame Graph 和不同内存使用情况的额外指标的功能。 提高数据密集型 AI 应用的性能 在 Ray 2.0版本中,发布了 Ray AI 运行时的测试版。自从测试版发布以来,Ray 团队已经推动了各种性能和可用性的改进,特别是针对数据密集型的 ML 应用。 在这个版本中,Ray 团队集中精力通过避免不必要...