これは Ray という名前の Linux アプリで、その最新リリースは Ray-2.7.1.zip としてダウンロードできます。 これは、ワークステーション用の無料のホスティング プロバイダーである OnWorks でオンラインで実行できます。
Ray with OnWorks という名前のこのアプリをオンラインで無料でダウンロードして実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOnWorksLinuxオンラインまたはWindowsオンラインエミュレーターまたはMACOSオンラインエミュレーターを起動します。
-5。起動したばかりのOnWorksLinux OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードし、インストールして実行します。
スクリーンショットは
Ad
レイ
DESCRIPTION
ディープ ラーニングやハイパーパラメーター チューニングなどの最新のワークロードは、計算負荷が高く、分散実行または並列実行が必要です。 Ray を使用すると、単一のマシン コードを簡単に並列化できます。最小限のコード変更で、単一の CPU からマルチコア、マルチ GPU、またはマルチノードに移行できます。 Ray を利用した、リソース効率が高く柔軟な分散実行フレームワークを使用して、PyTorch と Tensorflow のワークロードを高速化します。 Ray Tune でハイパーパラメータ検索のワークロードを高速化します。 最新の最適化アルゴリズムを使用して、最適なモデルを見つけてトレーニング コストを削減します。 Python ファーストでフレームワークに依存しないモデル提供フレームワークである Ray Serve を使用して、機械学習モデルを大規模にデプロイします。 A30C、DQN、PPO などの 3 以上の最先端の RL アルゴリズムが付属する、フレームワークに依存しない RL ライブラリである RLlib を使用して、強化学習 (RL) をスケーリングします。 Ray Core のシンプルで構成可能なプリミティブを使用して、Python でスケーラブルな分散システムを簡単に構築します。
特徴
- 強化学習
- 一般的な Python アプリ
- データ処理
- ハイパーパラメータ調整
- 深い学習
- モデルサービング
プログラミング言語
Python
カテゴリー
これは https://sourceforge.net/projects/ray.mirror/ からも取得できるアプリケーションです。 これは、OnWorks でホストされており、無料のオペレーティング システムの XNUMX つからオンラインで簡単に実行できます。
