Ray 2.0 发布，OpenAI 背后的机器学习技术

Ray 是一个统一的框架，用于扩展人工智能和 Python 应用程序。Ray 由一个核心的分布式运行时和一个用于加速 ML 工作负载的工具包（Ray AIR）组成。

Ray 2.0 是 Ray 的大幅度更新版本，对 Ray 生态中的所有库都进行了增强。通过这个重要的版本，Ray 朝着使分布式计算可扩展、统一和开放的目标大步迈进。

为了实现这些目标，Ray 2.0 具有统一机器学习（ML）生态的新功能、改善了 Ray 的生产支持，并使 ML 从业者比以往更容易使用 Ray 的库。

此次更新值得关注的重要内容包括：

• Ray AIR：是一个可扩展的、统一的 ML 应用工具包，现在是 Beta 版
  • 简化了 ML 应用程序开发，提高了开发人员的速度，可与其他框架（如 Tensorflow、PyTorch、Hugging Face 等）进行互操作。
• Ray 现在支持使用 Ray Datasets 库对 100TB 或更多的数据进行本地 shuffle
• KubeRay：是一个用于在 Kubernetes 上运行 Ray 的工具包，现在是 Beta 版。它取代了传统的基于 Python 的 Ray operator。
• Ray Serve 的 Deployment Graph API 是建立、测试和部署部署推理图的一种新的、更简单的方法，在 2.0 中作为 Beta 版发布。

更多详情可查看：https://github.com/ray-project/ray/releases/tag/ray-2.0.0