Repolode
Enviar
ray-project

ray-project/ray

Ray é um framework unificado para escalar aplicações Python e de IA, do laptop ao cluster, com runtime distribuído e bibliotecas de IA.

Ver no GitHubSite
Estrelas
44,087
Forks
8,174
Issues abertas
3,610
Último commit
há 4 horas

O que é?

Ray é um framework de computação distribuída para workloads de Python e IA. Seu runtime principal permite transformar funções Python comuns em tasks e classes em actors com estado, executados em um cluster, compartilhando objetos entre eles.

Além do núcleo, Ray oferece bibliotecas de IA para etapas comuns de pipelines de ML: Data para conjuntos de dados escaláveis, Train para treinamento distribuído, Tune para ajuste de hiperparâmetros, RLlib para aprendizado por reforço e Serve para disponibilização programável de modelos. O projeto também inclui um dashboard para monitorar aplicações e clusters, além de um debugger distribuído.

Ray funciona em uma única máquina, em clusters, nos principais provedores de nuvem e no Kubernetes. A instalação é feita com pip, e o mesmo código pode sair de um laptop e ser executado em um cluster maior sem mudanças na estrutura da aplicação.

Recursos principais

  • 01Transforma funções e classes Python em tasks distribuídas e actors com estado.
  • 02Oferece as bibliotecas Data, Train, Tune, RLlib e Serve para etapas de pipelines de ML.
  • 03Inclui o Ray Dashboard para monitorar aplicações e clusters.
  • 04Oferece um debugger distribuído para aplicações Ray.
  • 05Funciona em laptops, clusters, nas principais nuvens e no Kubernetes.

Casos de uso

  • Escalar um job de processamento de dados ou ML em Python para além de uma única máquina.
  • Executar treinamento distribuído ou busca de hiperparâmetros em muitos workers.
  • Disponibilizar modelos de machine learning ou LLM por trás de um endpoint escalável.
  • Executar experimentos de aprendizado por reforço em um cluster.

Início rápido

  1. 1

    Instale o Ray com pip

    pip install ray

Tópicos

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

Perguntas frequentes

O que é ray?
Ray é um framework unificado para escalar aplicações Python e de IA, do laptop ao cluster, com runtime distribuído e bibliotecas de IA. Ray é um framework de computação distribuída para workloads de Python e IA. Seu runtime principal permite transformar funções Python comuns em tasks e classes em actors com estado, executados em um cluster, compartilhando objetos entre eles.
ray é gratuito? Qual é a licença?
ray é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
ray ainda é mantido?
Manutenção ativa. O último commit de ray foi em 20 de out. de 2026.
Para que posso usar ray?
Escalar um job de processamento de dados ou ML em Python para além de uma única máquina. Executar treinamento distribuído ou busca de hiperparâmetros em muitos workers. Disponibilizar modelos de machine learning ou LLM por trás de um endpoint escalável. Executar experimentos de aprendizado por reforço em um cluster.
Como instalar ray?
Instale o Ray com pip: pip install ray
Onde consigo ray?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/ray-project/ray

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados