关于此书
序言
1.
数据分析和机器学习
1.1.
数据分析
1.2.
机器学习
2.
Ray环境部署
2.1.
Linux和WSL环境
2.2.
Ray的组件和特性
2.2.1.
Ray Tune:超参数优化框架
2.2.2.
Ray RLlib:可自由扩展的增强学习
2.3.
Ray的安装和优化
2.3.1.
从PyPI安装Ray
2.3.2.
Ray的源码编译安装
2.3.3.
Docker中安装Ray
2.3.4.
安装问题收集
3.
Ray入门
4.
Actors-DataFlow模型扩展
5.
Ray和GPUs的整合使用
6.
Ray Web UI
7.
Ray Tune:超参数优化框架
8.
Ray Tune高阶
9.
RLlib:可自由扩展的增强学习
10.
在Ray中使用TensorFlow
11.
在Ray中使用PyTorch
12.
Ray之上的Pandas—高效数据处理
13.
Ray实例应用
14.
Ray的架构设计
15.
Ray的集群使用
16.
附录
Light (default)
Rust
Coal
Navy
Ayu
Ray最佳实践指南 - The Hitchhiker’s Guide to Ray
书馆
第5章 Ray和GPUs的整合使用
概述
启动整合GPUs的Ray
使用远程函数整合GPUs
使用Actor整合GPUs
问题总结
小结