更新时间：2024-08-06 17:07:55
封面
版权信息
O'Reilly Media，Inc.介绍
推荐序——让分布式AI触手可及
序
前言
第1章 Ray概述
1.1 Ray是什么
1.2 分布式计算框架
1.3 数据科学库套件
1.4 Ray的生态
1.5 总结
第2章 Ray Core入门
2.1 Ray Core简介
2.2 理解Ray的系统组件
2.3 利用Ray创建简单的MapReduce示例
2.4 总结
第3章 创建第一个分布式应用程序
3.1 强化学习入门
3.2 创建简易的迷宫问题
3.3 创建模拟
3.4 训练强化学习模型
3.5 创建分布式Ray应用程序
3.6 回顾强化学习术语
3.7 总结
第4章 利用Ray RLlib进行强化学习
4.1 RLlib概述
4.2 RLlib入门
4.3 配置RLlib实验
4.4 使用RLlib环境
4.5 高级概念
4.6 总结
第5章 利用Ray Tune进行超参数调优
5.1 调优超参数
5.2 Ray Tune入门
5.3 使用Tune进行机器学习
5.4 总结
第6章 利用Ray进行数据处理
6.1 Ray Dataset
6.2 外部集成库
6.3 创建ML管道
6.4 总结
第7章 利用Ray Train进行分布式训练
7.1 分布式模型训练基础
7.2 基于示例介绍Ray Train
7.3 Ray Train训练器
7.4 总结
第8章 利用Ray Serve进行在线推理
8.1 在线推理的主要特点
8.2 Ray Serve入门
8.3 端到端示例：创建基于NLP的API
8.4 总结
第9章 Ray集群
9.1 手动创建Ray Cluster
9.2 在Kubernetes上进行部署
9.3 使用Ray集群启动器
9.4 使用云集群
9.5 自动扩展
9.6 总结
第10章 Ray AIR入门
10.1 为什么使用AIR
10.2 AIR核心概念
10.3 适合AIR的任务
10.4 总结
第11章 Ray生态及其他
11.1 蓬勃的生态
11.2 Ray和其他系统
11.3 继续学习
11.4 总结
作者简介
封面简介
封底
