Rayon d'apprentissage

Chapitre 2. Prise en main du Ray Core

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Pour un livre sur Python distribué, ce n'est pas sans une certaine ironie que Python seul est largement inefficace pour l'informatique distribuée.Son interpréteur est effectivement monotâche. Par exemple, cela rend difficile l'exploitation de plusieurs CPU sur la même machine, sans parler d'un cluster entier de machines, en utilisant Python simple. Cela signifie que tu as besoin d'outils supplémentaires, et heureusement l'écosystème Python a quelques options pour toi. Des bibliothèques comme multiprocessing peuvent t'aider à distribuer le travail sur une seule machine,¹ mais pas au-delà.

Considérée comme une bibliothèque Python, l'API Ray Core est suffisamment puissante pour rendre la programmation distribuée générale plus accessible à l'ensemble de la communauté Python.Par analogie, certaines entreprises s'en sortent en déployant des modèles ML pré-entraînés pour leurs cas d'utilisation, mais cette stratégie n'est pas toujours efficace. Il est souvent inévitable de devoir entraîner des modèles personnalisés pour réussir. De la même manière, tes charges de travail distribuées peuvent tout juste s'adapter au modèle de programmation (potentiellement limitatif) des frameworks existants, mais Ray Core peut débloquer tout le spectre de la construction d'applications distribuées, en raison de sa généralité.² Comme il ...