由于 Ray 可以无缝集成到 Python 生态系统中，许多开发人员都在利 深度学习和新工作负 用它构建机器学习工具。它是一个通用的分布式计算平台，可用于轻松扩展现有的 Python 库和应用程序。它还拥有越来越多的独立库可供 Python 开发人员使用。
轻松扩展
正如我们著名的在《计算的未来是分布式的》一文中，“机器学习应用的需求 亚洲数据 正在以惊人的速度增长”。 兴起意味着分布式计算将成为机器学习的常见方式。不幸的是，许多开发人员在分布式计算方面的经验相对较少。
扩展和分布式计算是 Ray 为我们采访过的许多用户提供帮助的领域。它允许 如何为您的企业选择最佳的 开发人员专注于他们的应用程序，而不是分布式计算的复杂性。使用它为需要扩展机器学习应用程序的开发人员带来了多种好处：
它是一个平台
可让您轻松将现有应用程序扩展到集群。这可能就像将您最 列的 WhatsApp 号码 高度相 喜欢的库扩展到计算集群一样简单（请参阅此 最近的帖子 使用它来扩展 scikit-learn）。或者它可能涉及使用 API 将现有程序扩展到集群。后者是我们在应用程序中看到的 自然语言处理，在线学习、欺诈检测、财务时间序列、 光学字符识别 (OCR)，以及许多其他用例。
雷SGD 简化了 PyTorch 和 TensorFlow 的分布式训练。这对许多在训练或调整大型神经网络方面遇到困难的公司和开发人员来说是个好消息。