一个新的项目旨在为及时处理开辟一种速度更快的框架，可用来支撑用Python编写的机械进修应用。
加州大年夜学伯渴攀利分校及时智能安然履行实验室(RISELab)的研究人员已开辟出了一种新的分布式框架，该框架旨在让基于Python的机械进修和深度进修工作负载可以或许及时履行，并具有类似消息传递接口(MPI)的机能和细粒度。这种框架名为Ray，看起来竽暌剐望代替Spark，业界认为Spark对于一些实际的人工智能应用而言速度太慢了;过不了一年，Ray应当会预备好用于临盆情况。
Ray是率先大年夜RISELab出生的技巧之一，加州大年夜学伯渴攀利分校的┞封个研究组织代替了曾大年夜获成功的AMPLab，后者开辟出了一大年夜批惹人入胜的分布式技巧，这些技巧影响了高机能和企业计算，包含Spark、Mesos、Tachyon及其他技巧。
计算机科学传授迈克尔·乔丹(Michael Jordan)是往日AMPLab、今日RISAab的参谋之一，比来他在加州圣何塞举办的Strata + Hadoop World大年夜会上评论辩论了Ray的核心原则和驱动身分。
乔丹在3月16日的主题演讲中说：“之所以开辟Spark，是因为我的学生抱怨Hadoop差能人意。他们抱怨，每当在逻辑回归之类的操作中进行迭代，老是要面对很长的延迟。”
乔丹持续说：“马泰·扎哈里亚(Matei Zaharia)是实验室的学生之一，他听到他们抱怨后说‘我会赞助你们解决这个问题。我会构建某种缓存体系，那意味着你不必一向去应用磁盘。这就是Spark的来源。”
他的学生们留意到扎哈里亚开辟Spark后忽然变得“多重要、多有名”;扎哈里亚后来瓜熟蒂落地与他人创办了Databricks，并成为了加州大年夜学伯渴攀利分校的敌手：斯坦福大年夜学的助理传授。
Ray由RISELab的两名博士：锋利浦·莫里兹(Philipp Moritz)和罗伯特·西原(Robert Nishihara)开辟而成。研究人员竭力构建一种框架，可以结合在实际情况下运行机械进修或基于深刻进修的应用所须要典范多不合元素。据乔丹声称，研究人员将应用法度榜样分化成了各构成部分，懂得若何实际构建一个许可及时决定计划机制的端到端体系。
乔丹说：“你须要灵活性。你须要的不但光是组建神经收集之类的器械，还须要筹划、搜刮和模仿。这带来了各种复杂的义务依附关系。单单编写MapReduce类型典范例(paradigm，又可译成模式)就不是很轻易。这种典范能编写得出来，然则如不雅你有大年夜不一样的异构工作负载和义务，它履行起来不会异常高效。它须要适应算法的机能，因为体系在赓续进修。”
很显然，乔丹指派Spark来完成MapReduce风格的编程。固然Spark的速度比MapReduce快得多，但它仍然是MapReduce面向批处理的工作流程典范的一些核心元素。他表示，Ray避免了Spark应用的“块同步”(block synchronous)典范，改用了速度更快典范例。
据乔丹声称，Ray的速度很快，处理单个义务时延迟只有微秒。它还可以处理异构硬件，一些应用工作负载在CPU上履行，另一些工作负载在在GPU上运行。Ray有很多调剂法度榜样可以兼顾安排┞封一切。
乔丹说：“所以如今是着眼于下一代技巧的时刻。他们说‘我们毫不会将一个项目交给搞体系的人。我们预备本身来搞。“所以这下一?项目由机械进修学生来搞，开辟之初就抱着要代替Spark的目标。”
乔丹在Strata大年夜会上演示时代┞饭示了Ray若何赞助数字机械人学会跑步。
乔丹将让集群中的各个节点保持计算状况，然则状况会尽可能少，这将最大年夜限度地进步稳定性。他弥补道：“不过须要留意可以在诸义务之间共享的状况计算(stateful computation)。然后，我们显然想要容错机制，我们也会实现序列化运行，那样我们就能轻松共享数据了。”
Ray框架今朝正在开辟中，不过还不是已完成的项目。有兴趣的同伙可以看一看该项目放在Github上的初期测试版代码(https://github.com/ray-project/ray)。
Ray对于开辟一系列须要应用实际数据进行快速决定计划的应用将大年夜有效处，比如自立驾驶或某些新兴情势的人工智能帮助医疗所须要的那种应用。因为对这个范畴做出的巨大年夜供献，乔丹已被戏称为“机械进修界的迈克尔·乔丹”，他认为Ray最大年夜的影响力将表如今强化进修(reinforcement learning)范畴，而不是监督式进修体系。因为用来解决计算机视觉和分类问题的深度进修和神经收集大年夜行其道，监督式进修体系随之风行起来。
他说：“当你开端更接近实际的决定计划时，不是仅仅想要模仿仁攀类，而是想要找出最好的决定计划。那就是强化进修典范。强化进修其实缺乏一种很好的体系级支撑。”
Ray是用C ++编写的，根本上旨在加快用Python开辟的机械进修算法的履行速度。
Python脚本提交并履行功课(job)，Ray应用Python的语法特点来表示对象和功课是若何运行的。如不雅你为某个函数添加了@ray.remote，这注解该函数可以跨集群异步履行。函数运行时，它会急速返回一个对象ID，之后可以萌芽该ID，获得该函数生成的任何最终结不雅。Ray的解释文档注解了可以若何结合Python的列表推导(list comprehension)，运行一系列函数，并主动返回结不雅。
固然Ray处于初期测试版状况，但它显然是为了支撑机械进修这个重要义务而开辟的。解释文档中给出的重要例子包含：超参数优化(这是机械进修框架的一种常见工作负载)和练习人工智能收集打乒乓球。还具体介绍了若何将Ray与TensorFlow结合应用，包含若何借助深度进修体系，充分应用Ray的长途对象模型方面的若干技能。
乔丹表示，固然Ray仍处于早期阶段，还没有预备好用于临盆情况，但应当在一年内作好预备。他说：“我们其实会让这种框架尽可能强大年夜、稳定，但又尽量遵守学术界在冲动人心的机械进修方面所要实现的目标。”
它还会借鉴MPI的义务依附属性，MPI是初级分布式编程情况，高机能计算(HPC)范畴的人士应用MPI来构建模型，模仿工作负载运行起来异常快。乔丹说：“我们其实也想达到那样级其余机能。我们不是要代替MPI。然则我们欲望可以或许获得与MPI一样好的机能，然则要简单得多，强大年夜得大年夜，并且不太依附分布式平台。”
推荐阅读
记录一下本身懂得的一些 设计模式 ，并尽量应用表达清跋扈的例子进行讲解。享元模式Query simpleQuery = new SimpleQuery(); System.out.println(simpleQuery.query("select * from t_st>>>详细阅读
地址：http://www.17bianji.com/lsqh/34664.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示