ray-project/ray

Ray ist eine KI-Compute-Engine. Ray besteht aus einem verteilten Kern-Laufzeitsystem und einer Reihe von KI-Bibliotheken zur Beschleunigung von ML-Workloads.

Was ist ray?

Ray ist eine leistungsstarke verteilte Compute-Engine, die speziell für KI- und Machine-Learning-Workloads entwickelt wurde. Es besteht aus einem verteilten Kern-Laufzeitsystem und einer Reihe von KI-Bibliotheken (Ray AI Libraries: Ray AIR, RLlib, Ray Tune, etc.), die Entwicklern helfen, ML-Training, Hyperparameter-Optimierung, Reinforcement Learning und Modellbereitstellung zu skalieren. Ray unterstützt sowohl Python- als auch Java-Anwendungen und lässt sich nahtlos in beliebte Frameworks wie PyTorch, TensorFlow und scikit-learn integrieren. Entwickler können damit parallelisierte Berechnungen, Task- und Aktor-Modelle sowie dynamische Workloads verwalten — entweder über die Ray API oder über integrierte Tools wie Ray Clusters und Ray Dashboard.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add ray-project/ray

Installed? Explore more Produktivität & Zusammenarbeit skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht ray?

Ray ist eine KI-Compute-Engine. Ray besteht aus einem verteilten Kern-Laufzeitsystem und einer Reihe von KI-Bibliotheken zur Beschleunigung von ML-Workloads.

Hauptmerkmale

  • Verteiltes Laufzeitsystem: Skalieren von Python-Lasten mit minimalem Codeaufwand
  • Ray AI Libraries: RLlib, Tune, Serve, Datasets, Train, etc.
  • Integration: Kompatibel mit PyTorch, TensorFlow, scikit-learn und weiteren
  • Task- und Aktor-Modell: Flexibles paralleles Computing für verschiedene Workloads

Schnellstart

pip install ray
import ray

@ray.remote
def add(a, b):
    return a + b

result = ray.get(add.remote(1, 2))
print(result)  # 3

Verwandte Skills