Ray Train 用户指南

• 数据加载和预处理
  • 快速入门
  • 从 PyTorch 数据开始
  • 分割数据集
  • 随机洗牌
  • 启用可重复性
  • 预处理结构化数据
  • 性能提示
• 配置规模和GPU
  • 增加工作者的数量
  • 使用GPU
  • 设置每个工作者的资源
  • 培训资源
• 配置持久存储
  • 云存储（AWS S3，Google Cloud Storage）
  • 共享文件系统（NFS、HDFS）
  • 本地存储
  • 自定义存储
  • Ray Train 输出概述
  • 高级配置
• 监控和日志指标
  • 如何从不同的工作者获取并汇总结果？
• 保存和加载检查点
  • 在训练过程中保存检查点
  • 配置检查点
  • 训练后使用检查点
  • Restore training state from a checkpoint
• 实验跟踪
  • 入门指南
  • 示例
  • 常见错误
• 检查训练结果
  • 查看指标
  • 检索检查点
  • 访问存储位置
  • 查看错误
  • 在持久存储中查找结果
• 处理失败和节点抢占
  • 自动从训练工作器故障中恢复
  • 恢复一个 Ray Train 实验
• 可重复性
• 超参数优化
  • 关键概念
  • 基本用法
  • 如何配置一个调谐器？
  • 搜索空间配置
  • 训练 - 调优陷阱
  • 高级调优