Escalando Python con Ray

Índice

Símbolos

• @numba.jit, Bibliotecas de nivel superior
• @ray.remote, Creación de un actor remoto de rayo básico, Creación de un actor remoto de rayo básico, Creación de un actor remoto de rayo básico
• @serve.deployment, Implementación
• @actor_virtual, Actores Virtuales
• @workflow.step, Primitivas del flujo de trabajo, Creación de flujos de trabajo

A

• aceleradores, Uso de GPU y aceleradores con Ray
  • (ver también GPUs)
  • con autoescalador, Autoescaladorcon GPU y aceler adores-Autoescaladorcon GPU y aceleradores
  • no GPU, Otros aceleradores (no GPU)
  • solicitar y liberar recursos, Adquirir y liberar recursos de GPU y aceleradores-Adquiriry liberar recursos de GPU y aceleradores
• marcos de actores, ¿dónde encaja en el ecosistema?
• modelodeactor, Comprenderel modelo de actor -Comprenderel modelo de actor
• grupo de actores, escalar con, Escalaractores remotos Ray-Escalar actores remotos Ray
• actores(ver actores a distancia; actores virtuales)
• agregaciones
  • in Dask, Agregaciones-Agregaciones
  • sobre conjuntos de datos, Datos Hola Mundo-DatosHola Mundo
  • con GroupedDataset, utilizando las operaciones incorporadas de Ray Dataset
• Flujo de aire, programación del flujo de trabajo
• Amazon Web Services (AWS), instalar Ray, Instalar Ray en AWS-InstalarRay en AWS
• AMD, Biblioteca ROCm, Los bloques de construcción
• anotaciones, adición de parámetros a, Adición de parámetros a lasanotaciones-Requisitos de recursospara las implementaciones
• Apache Airflow, Programación del flujo de trabajo
• Flecha Apache
  • componentes de, crear y guardar conjuntos ...