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)