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
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