1. 关于此书
  2. 序言
  3. 1. 数据分析和机器学习
    1. 1.1. 数据分析
    2. 1.2. 机器学习
  4. 2. Ray环境部署
    1. 2.1. Linux和WSL环境
    2. 2.2. Ray的组件和特性
      1. 2.2.1. Ray Tune:超参数优化框架
      2. 2.2.2. Ray RLlib:可自由扩展的增强学习
    3. 2.3. Ray的安装和优化
      1. 2.3.1. 从PyPI安装Ray
      2. 2.3.2. Ray的源码编译安装
      3. 2.3.3. Docker中安装Ray
      4. 2.3.4. 安装问题收集
  5. 3. Ray入门
  6. 4. Actors-DataFlow模型扩展
  7. 5. Ray和GPUs的整合使用
  8. 6. Ray Web UI
  9. 7. Ray Tune:超参数优化框架
  10. 8. Ray Tune高阶
  11. 9. RLlib:可自由扩展的增强学习
  12. 10. 在Ray中使用TensorFlow
  13. 11. 在Ray中使用PyTorch
  14. 12. Ray之上的Pandas—高效数据处理
  15. 13. Ray实例应用
  16. 14. Ray的架构设计
  17. 15. Ray的集群使用
  18. 16. 附录

Ray最佳实践指南 - The Hitchhiker’s Guide to Ray

书馆

Ray的源码编译安装

Ray的依赖

从源码安装Ray

安装测试

执行清理