November 2024
Intermediate to advanced
274 pages
8h 29m
French
Content preview from Rayon d'apprentissage
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
Chapitre 11. L'écosystème de Ray et au-delà
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Au fil de ce livre, tu as vu de nombreux exemples de l'écosystème de Ray. Il est maintenant temps d'adopter une approche plus systématique et de te montrer toute l'étendue des intégrations actuellement disponibles pour Ray. Pour ce faire, nous abordons cet écosystème vu de Ray AIR afin de pouvoir en discuter dans le contexte d'un flux de travail AIR représentatif.
Il est clair que nous ne pouvons pas te donner d'exemples de code concrets pour une majorité des bibliothèques de l'écosystème de Ray. Nous devons plutôt nous contenter de te donner un autre exemple de Ray AIR mettant en valeur certaines intégrations et discutant des autres disponibles et de la façon de les utiliser. Le cas échéant, nous te dirigerons vers des ressources plus avancées pour approfondir tes connaissances.
Maintenant que tu en sais beaucoup plus sur Ray et ses bibliothèques, ce chapitre est aussi le bon endroit pour comparer ce qu'offre Ray à des systèmes similaires. Comme tu l'as vu, l'écosystème de Ray est assez complexe, peut être vu sous différents angles et est utilisé à différentes fins. Cela signifie que de nombreux aspects de Ray peuvent être comparés à d'autres outils sur le marché.
Nous commenterons également la façon d'intégrer Ray dans des flux de travail plus complexes dans les plateformes ML existantes. Pour conclure, ...