Ray 生态系统

本页按字母顺序列出了与 Ray 集成的库，用于分布式执行。将您自己的集成添加到此列表非常简单。只需打开一个包含几行文本的拉取请求，请参见下面的下拉菜单以获取更多信息。

添加您的集成

要添加一个集成，请在此文件中添加一个条目，使用与其他示例相同的 grid-item-card 指令。

Apache Airflow® 是一个开源平台，使用户能够使用有向无环图 (DAG) 以编程方式创作、安排和监控工作流程。通过 Ray 提供程序，用户可以在 Airflow DAG 中无缝编排 Ray 作业。

Apache Airflow 集成

BuildFlow 是一个后端框架，允许你使用纯 Python 构建和管理复杂的云基础设施。通过 BuildFlow 的装饰器模式，你可以将任何函数转变为你后端系统的一个组件。

构建流程集成

Classy Vision 是一个新的端到端、基于 PyTorch 的框架，用于大规模训练最先进的图像和视频分类模型。该库具有模块化、灵活的设计，允许任何人使用非常简单的抽象在 PyTorch 之上训练机器学习模型。

Classy Vision 集成

Dask 为分析提供了高级并行性，使您喜爱的工具能够在规模上实现性能。Dask 使用现有的 Python API 和数据结构，使得在 Numpy、Pandas、Scikit-learn 与其 Dask 驱动的等效工具之间切换变得容易。

Dask 集成

Flambé 是一个机器学习实验框架，旨在加速整个研究生命周期。Flambé 的主要目标是提供一个统一的接口，用于原型模型、运行包含复杂管道的实验、实时监控这些实验、报告结果以及部署最终模型进行推理。

Flambé 集成

Flowdapt 是一个平台，旨在帮助开发人员配置、调试、调度、触发、部署和服务大规模的自适应和反应性人工智能工作流程。

Flowdapt 集成

Flyte 是一个 Kubernetes 原生的工作流自动化平台，适用于大规模复杂、关键任务的数据和机器学习流程。它已经在 Lyft、Spotify、Freenome 等公司经过实战测试，并且是真正的开源项目。

Flyte 集成

Horovod 是一个用于 TensorFlow、Keras、PyTorch 和 Apache MXNet 的分布式深度学习训练框架。Horovod 的目标是使分布式深度学习既快速又易于使用。

Horovod 集成

最先进的自然语言处理技术，适用于 Pytorch 和 TensorFlow 2.0。它与 Ray 集成，用于分布式超参数调整变压器模型。

Hugging Face Transformers 集成

Analytics Zoo 能够无缝地将 TensorFlow、Keras 和 PyTorch 扩展到分布式大数据（使用 Spark、Flink 和 Ray）。

Intel Analytics Zoo 集成

350多个预训练的NLP模型、100多个词嵌入、50多个句子嵌入和50多个分类器，支持46种语言，只需一行Python代码。

NLU 集成

Ludwig 是一个工具箱，允许用户无需编写代码即可训练和测试深度学习模型。使用 Ludwig，您可以在 Ray 上以零行代码训练深度学习模型，自动利用 Ray 上的 Dask 进行数据预处理，Ray 上的 Horovod 进行分布式训练，以及 Ray Tune 进行超参数优化。

Ludwig 集成

Mars 是一个基于张量的大规模数据计算统一框架，它扩展了 Numpy、Pandas 和 Scikit-learn。Mars 可以在单机上扩展，也可以扩展到拥有数千台机器的集群中。

MARS 集成

通过更改一行代码来扩展您的 pandas 工作流程。Modin 透明地分发数据和计算，因此您只需继续使用安装 Modin 之前所用的 pandas API。

Modin 集成

Prefect 是一个用 Python 编写的开源工作流编排平台。它允许你轻松地在 Python 中定义、跟踪和调度工作流。这个集成使得在 Ray 集群上以分布式方式运行 Prefect 工作流变得简单。

Prefect 集成

PyCaret 是一个开源的低代码机器学习库，使用 Python 编写，旨在减少机器学习实验中从假设到洞察的周期时间。它使数据科学家能够快速高效地执行端到端实验。

PyCaret 集成

RayDP（“Ray 上的 Spark”）使您能够轻松地在 Ray 程序中使用 Spark。您可以使用 Spark 读取输入数据，使用 SQL、Spark DataFrame 或 Pandas（通过 Koalas）API 处理数据，使用 Spark MLLib 提取和转换特征，并使用 RayDP Estimator API 对预处理数据集进行分布式训练。

RayDP 集成

Scikit-learn 是一个用于 Python 编程语言的免费软件机器学习库。它具有各种分类、回归和聚类算法，包括支持向量机、随机森林、梯度提升、k-means 和 DBSCAN，并且设计为与 Python 数值和科学库 NumPy 和 SciPy 互操作。

Scikit Learn 集成

Alibi 是一个开源的 Python 库，旨在进行机器学习模型的检查和解释。该库的重点是提供高质量的实现，包括黑盒、白盒、局部和全局解释方法，适用于分类和回归模型。

Seldon Alibi 集成

Sematic 是一个用 Python 编写的开源机器学习流水线工具。它使用户能够编写端到端的流水线，这些流水线可以在您的笔记本电脑和云之间无缝过渡，具有丰富的可视化、可追溯性、可重复性和可用性作为首要考虑。此集成使得在 Sematic 流水线内动态分配 Ray 集群成为可能。

语义集成

spaCy 是一个用于 Python 和 Cython 中高级自然语言处理的库。它基于最新的研究构建，并且从一开始就被设计用于实际产品中。

spaCy 集成

XGBoost 是一个流行的用于分类和回归的梯度提升库。它是数据科学中最受欢迎的工具之一，也是许多顶级 Kaggle 内核的主力。

XGBoost 集成

LightGBM 是一个用于分类和回归的高性能梯度提升库。它的设计旨在实现分布式和高效。

LightGBM 集成

Volcano 是一个在 Kubernetes 上运行高性能工作负载的系统。它具备强大的批处理调度能力，这是机器学习和其它数据密集型工作负载所必需的。

火山集成