如何为Ray Tune的Tuner指定自定义会话目录（替代/tmp/ray/）

有三种简单方法可以修改Ray的会话目录，不用纠结之前没调用ray.init()：

• 方法1：在Tuner前手动初始化Ray
  直接在代码开头加一行ray.init()并指定temp_dir，后续正常使用Tuner即可：

  import ray
  from ray import tune
  
  # 指定自定义临时目录
  ray.init(temp_dir="/my_directory")
  
  # 你的训练函数和Tuner配置
  def trainable(config):
      # 这里写你的PyTorch训练逻辑
      pass
  
  tuner = tune.Tuner(trainable, param_space={"lr": tune.grid_search([1e-3, 1e-2])})
  tuner.fit()
  

• 方法2：通过环境变量指定
  不用修改代码，运行脚本前设置RAY_TMPDIR环境变量，Ray会自动读取这个路径作为临时目录：

  # Bash终端下运行脚本时设置
  RAY_TMPDIR=/my_directory python your_tune_script.py
  

• 方法3：通过Tuner的RunConfig传递参数
  如果你不想单独调用ray.init()，可以在RunConfig里通过ray_init_args直接传递临时目录参数，Ray会在启动时自动使用这个配置：

  from ray import tune
  
  def trainable(config):
      # 你的PyTorch训练逻辑
      pass
  
  tuner = tune.Tuner(
      trainable,
      param_space={"lr": tune.loguniform(1e-4, 1e-1)},
      run_config=tune.RunConfig(
          ray_init_args={"temp_dir": "/my_directory"}
      )
  )
  tuner.fit()
  

这三种方法都能解决/tmp空间不足导致的"No space left on device"错误，选哪种看你的需求：环境变量适合快速测试，RunConfig适合代码内统一配置，手动初始化适合需要更多Ray启动参数的场景。

内容的提问来源于stack exchange，提问作者stillsen