Repolode
Enviar
ray-project

ray-project/ray

Ray es un framework unificado para escalar aplicaciones de Python e IA desde una laptop hasta un clúster, con un runtime distribuido y bibliotecas de IA.

Ver en GitHubSitio web
Estrellas
44,087
Forks
8,174
Issues abiertos
3,610
Último commit
hace 4 horas

¿Qué es?

Ray es un framework de computación distribuida para cargas de trabajo de Python e IA. Su runtime principal permite convertir funciones comunes de Python en tareas y clases en actores con estado que se ejecutan en un clúster, y compartir objetos entre ellos.

Sobre esta base, Ray ofrece bibliotecas de IA para etapas habituales de los pipelines de ML: Data para conjuntos de datos escalables, Train para entrenamiento distribuido, Tune para ajuste de hiperparámetros, RLlib para aprendizaje por refuerzo y Serve para servir modelos de forma programable. El proyecto también incluye un dashboard para monitorear aplicaciones y clústeres, y un depurador distribuido.

Ray funciona en una sola máquina, en clústeres, en los principales proveedores de nube y en Kubernetes. Se instala con pip, y el mismo código puede pasar de una laptop a un clúster más grande sin cambiar la estructura de la aplicación.

Funciones clave

  • 01Convierte funciones y clases de Python en tareas distribuidas y actores con estado.
  • 02Ofrece las bibliotecas Data, Train, Tune, RLlib y Serve para distintas etapas de los pipelines de ML.
  • 03Incluye Ray Dashboard para monitorear aplicaciones y clústeres.
  • 04Ofrece un depurador distribuido para aplicaciones de Ray.
  • 05Funciona en laptops, clústeres, las principales plataformas de nube y Kubernetes.

Casos de uso

  • Escalar un trabajo de procesamiento de datos o ML en Python más allá de una sola máquina.
  • Entrenar modelos de forma distribuida o buscar hiperparámetros entre muchos workers.
  • Servir modelos de machine learning o LLM mediante un endpoint escalable.
  • Ejecutar experimentos de aprendizaje por refuerzo en un clúster.

Inicio rápido

  1. 1

    Instala Ray con pip

    pip install ray

Temas

#distributed#machine-learning#python#distributed-training#model-serving#hyperparameter-tuning#reinforcement-learning#llm-inference#data-science#deep-learning

Preguntas frecuentes

¿Qué es ray?
Ray es un framework unificado para escalar aplicaciones de Python e IA desde una laptop hasta un clúster, con un runtime distribuido y bibliotecas de IA. Ray es un framework de computación distribuida para cargas de trabajo de Python e IA. Su runtime principal permite convertir funciones comunes de Python en tareas y clases en actores con estado que se ejecutan en un clúster, y compartir objetos entre ellos.
¿ray es gratuito? ¿Qué licencia tiene?
ray es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿ray sigue mantenido?
Mantenimiento activo. El último commit de ray fue el 20 oct 2026.
¿Para qué puedo usar ray?
Escalar un trabajo de procesamiento de datos o ML en Python más allá de una sola máquina. Entrenar modelos de forma distribuida o buscar hiperparámetros entre muchos workers. Servir modelos de machine learning o LLM mediante un endpoint escalable. Ejecutar experimentos de aprendizaje por refuerzo en un clúster.
¿Cómo se instala ray?
Instala Ray con pip: pip install ray
¿Dónde consigo ray?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/ray-project/ray

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados