Изучаем Ray. Гибкие распределенные вычисления на Python в машинном обучении
14.09.2023, 01:13
Изучаем Ray. Гибкие распределенные вычисления на Python в машинном обучении — Наука о данных — сложная и быстро развивающаяся область, которая нуждается в мощных инструментах и фреймворках для управления огромными объемами данных, генерируемых каждый день. Ray – это платформа кластерных вычислений для распространения и запуска Python-кода, даже со сложными библиотеками или пакетами, на кластерах бесконечного размера. Помимо Python, также Ray предоставляет API для Java и C++. Фреймворк использует задачи (функции) и субъекты (классы), чтобы распараллеливать пользовательский код. Ray помогает реализовать параллельные и распределенные вычисления в жизненном цикле науки о данных. За последние несколько лет фреймворк распределенных вычислений Ray получал все большее предпочтение в связи со своей способностью упрощать разработку таких приложений. Ray включает в себя гибкое ядро и набор мощных библиотек, которые позволяют разработчикам легко масштабировать различные рабочие нагрузки, включая тренировку, гиперпараметрическую настройку, обуче ние с подкреплением, подачу моделей в качестве служб и пакетную обработку неструктурированных данных. Фреймворк Ray является одним из самых популярных проектов с открытым исходным кодом и используется тысячами компаний для внедрения широкого спектра вычислительных решений, от платформ машинного обуче ния до рекомендательных систем, систем обнаружения мошенничества и тренировки крупнейших моделей, в том числе ChatGPT компании Open AI. Признавая, что масштабирование является одновременно необходимостью и вызовом времени, фреймворк Ray призван упростить разработчикам распределенные вычисления. Благодаря ему распределенные вычисления стали доступными для неспециалистов и стало довольно легко масштабировать скрипты Python по нескольким узлам. Фреймворк Ray хорошо зарекомендовал себя в масштабировании вычислительно интенсивных рабочих нагрузок и рабочих нагрузок интенсивных по использованию данных, таких как предобработка данных и тренировка моделей, и он непосредственно ориентирован на рабочие нагрузки машинного обуче ния, требующие масштабирования. Издание предназначено для программистов на Python, инженеров и исследователей данных.
Название: Изучаем Ray. Гибкие распределенные вычисления на Python в машинном обучении Автор: Макс Пумперла, Эдвард Оукс, Ричард Ляо Издательство: Books.kz/ДМК Пресс Год: 2023 Страниц: 292 Формат: PDF Размер: 11,28 МБ Качество: отличное Язык: русский
Уважаемый Гость! Если ссылка на материал битая, просим вас сообщить нам кликнув по ссылке ниже, и написав жалобу, что сссылка битая!Жаловаться на материал
Все файлы и ссылки на файлы, выложенные на сайте, были найдены в сети интернет как свободно распространяемые и предоставлены лишь для ознакомления с ними, последующим удалением с вашего компьютера и покупкой (при необходимости) у авторов продукции. Если вы являетесь правообладателем какого либо контента и не желаете его свободного распространения, сообщите нам и нарушение будет устранено. Обратная связь
Привет: Гость
Всего: 247 
Новых за месяц: 0 
Администраторов: 1 
Модераторов: 1
Журналисты: 35
Проверенных: 1 
Обычных юзеров: 205 
Девушек: 38 
