Dies ist die Linux-App namens Ray, deren neueste Version als Ray-2.7.1.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens Ray with OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
Strahl
BESCHREIBUNG
Moderne Workloads wie Deep Learning und Hyperparameter-Tuning sind rechenintensiv und erfordern eine verteilte oder parallele Ausführung. Ray vereinfacht die Parallelisierung von einzelnem Maschinencode – wechseln Sie mit minimalen Codeänderungen von einer einzelnen CPU zu Multi-Core, Multi-GPU oder Multi-Node. Beschleunigen Sie Ihre PyTorch- und Tensorflow-Workload mit einem ressourceneffizienteren und flexibleren verteilten Ausführungs-Framework, das von Ray unterstützt wird. Beschleunigen Sie Ihre Hyperparameter-Sucharbeitslasten mit Ray Tune. Finden Sie das beste Modell und reduzieren Sie die Schulungskosten, indem Sie die neuesten Optimierungsalgorithmen verwenden. Stellen Sie Ihre maschinellen Lernmodelle in großem Maßstab mit Ray Serve bereit, einem Python-First- und Framework-unabhängigen Model-Serving-Framework. Skalieren Sie Reinforcement Learning (RL) mit RLlib, einer frameworkunabhängigen RL-Bibliothek, die mit mehr als 30 hochmodernen RL-Algorithmen geliefert wird, darunter A3C, DQN und PPO. Erstellen Sie einfach skalierbare, verteilte Systeme in Python mit einfachen und zusammensetzbaren Primitiven in Ray Core.
Eigenschaften
- Verstärkung lernen
- Allgemeine Python-Apps
- Auftragsverarbeitung
- Hyperparameter-Tuning
- Tiefes Lernen
- Modell servieren
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/ray.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.