Anhang B. Installation und Einsatz von Ray
Die Stärke von Ray liegt in der Unterstützung verschiedener Bereitstellungsmodelle, die von einer Einzelknoteninstallation, mit der du lokal mit Ray experimentieren kannst, bis hin zu Clustern mit Tausenden von Rechnern reichen. Derselbe Code, der auf einer lokalen Ray-Installation entwickelt wurde, kann auf dem gesamten Spektrum der Ray-Installationen laufen. In diesem Anhang stellen wir einige der Installationsoptionen vor, die wir beim Schreiben dieses Buches getestet haben.
Lokale Installation von Ray
Die einfachste Ray-Installation wird lokal mit pip durchgeführt. Verwende den folgenden Befehl:
pip install -U ray
Dieser Befehl installiert den gesamten Code, der benötigt wird, um lokale Ray-Programme auszuführen oder Programme in einem Ray-Cluster zu starten (siehe "Ray-Cluster verwenden"). Der Befehl installiert die letzte offizielle Version. Darüber hinaus ist es möglich, Ray aus den täglichen Releases oder einem bestimmten Commit zu installieren. Es ist auch möglich, Ray innerhalb der Conda-Umgebung zu installieren. Schließlich kannst du Ray auch aus dem Quellcode bauen, indem du den Anweisungen in der Ray-Dokumentation folgst.
Ray Docker Images verwenden
Zusätzlich zur Installation auf deinem lokalen Rechner bietet Ray die Möglichkeit, das bereitgestellte Docker-Image auszuführen. Das Ray-Projekt stellt eine Vielzahl von Docker-Images für verschiedene Python-Versionen und Hardware-Optionen zur Verfügung. Diese Images können ...
Get Python mit Ray skalieren now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
