python分布式集群ray_基于Python的分布式高可用扩展引擎Ray 0.3.0发布

Ray: 0.3发布

我们很高兴宣布发布Ray的0.3版本，本次发布主要包括distributed actor handles 和Ray.tune——一个新的超参搜索库，还包括修复一系列bug和提高稳定性。

为了更新到最新版本，运行：

pip install -U ray

超参搜索工具

本版本增加了Ray.tune，这是一个分布式超参数评估工具，用于强化学习和深度学习等训练时间较长的任务，他目前包括以下功能：

可插入的早期停止算法，包括中值停止规则和超频带

可视化工具融合，比如TensorBoard、rllab’s VisKit, parallel coordinates visualization

灵活的参数自动搜索，包括网格搜索、随机搜索、条件参数分布

资源感知调度，包括支持并行运行需要的GPU算法，或者他们本身是并行和分布的。

Ray.tune 提供用于深度学习和其他计算密集型任务的python api，下面是例子：

from ray.tune import register_trainable, grid_search, run_experiments

def my_func(config, reporter):

import time, numpy as np

i = 0

while True:

reporter(timesteps_total=i, mean_accuracy=i ** config['alpha'])

i += config['beta']

time.sleep(0.01)