
[德]马克斯·普佩拉 [美]爱德华·奥克斯 [美]理查德·廖
Ray是开源分布式计算框架,简化了扩展计算密集型Python工作负载的过程。本书展示了如何使用Ray构建机器学习应用程序,介绍了Ray如何融入当前的机器学习工具,以及Ray如何与这些工具紧密集成。本书前3章介绍了Ray作为分布式Python框架的基础知识,并提供了应用示例;第4-10章介绍了Ray高级库(Ray RLlib、Ray Tune、Ray Dataset、Ray Train、Ray Serve、Ray Cluster、Ray AIR),并展示如何使用高级库创建应用程序;第11章对Ray的生态进行了总结,并指导读者继续学习。
ray是好框架,书里对ray进行了整体的介绍,相当于一个入门教程,并没有深入的介绍和解释。对于想了解ray的可以快速了解的值得一看。ray是一个新的框架,经过了几年的发展,有了一定的成果。但是感觉它的出现,没有当初spark出现的时候那么让人惊艳。
由于目前机器学习系统处理的数据量和模型规模日益增大,单机多卡无法满足需求的情况下,分布式计算几乎成了唯一解。但同时由于分布式集群管理、调度和维护的复杂性,对于机器学习工程师和数据科学家来说将精力放在分布式计算的具体技术细节上无疑会增加工作的负担。因此,对于机器学习工程师和数据科学家而言一款开箱即用的分布式计算框架无疑是一个无法拒绝的方案。Ray就是这样一款开箱即用的分布式计算框架,为用户解决了底层技术细节,用户仅需专注于业务逻辑的开发。本书则为Ray学习提供了一个不错的学习方案;阅读本书可以建立对Ray的基本认知,为在业务中使用Ray提供基础理论储备。
入门了解可用,上手还是要多实践
感觉深度不够,也不全,算是入个门吧,还要看官方文档
太很浅显了,点到为止,实际指导意义不大
非常棒,ray 就是集群计算的那个命中注定
看了又像没看,只能对这个有个大概的了解。
短小精悍,比quick start长一些