如何将导入的函数设置为带num_cpus等参数的Ray remote远程函数

正确实现方式 #

你之前写法报错的核心原因是ray.remote的传参逻辑完全错误：你先执行了导入的sp_workflow函数，把函数返回值传给了ray.remote，还把资源参数放到了第二个入参位置，不符合ray.remote的调用规则，才触发了断言错误。

以下是两种符合Ray设计规范的实现方案：

方案1：提前包装为固定资源配置的远程函数 #

如果所有调用该函数的任务都使用相同的资源配置，提前包装是最高效的写法，等价于直接在原函数定义处加装饰器：

from other_library import sp_workflow

# 手动给导入的函数加上ray.remote装饰，指定CPU核心数
sp_workflow_remote = ray.remote(num_cpus=config["n_cores"])(sp_workflow)

# 后续调用逻辑和你原代码完全一致
model_pool = [{"input":1},{"input":2},{"input":3}]
result_ids = [sp_workflow_remote.remote(df=df_id, sp=sp) for sp in model_pool]

方案2：调用时动态指定资源配置 #

如果不同任务需要不同的资源配置，可以在每次调用时用options方法动态传参：

from other_library import sp_workflow

# 调用时动态指定本次任务的CPU核心数
result_ids = [
    ray.remote(sp_workflow).options(num_cpus=config["n_cores"]).remote(df=df_id, sp=sp)
    for sp in model_pool
]

如果需要更灵活的资源分配（比如部分任务占1核，部分占2核），直接修改options里的参数即可。

内容的提问来源于stack exchange，提问作者user3062260