Startseite Projekte cuml
cuml

cuml

von rapidsai · GitHub

cuML - RAPIDS Machine Learning Bibliothek

Auf GitHub ansehen
In einfachen Worten

Führen Sie maschinelles Lernen auf großen Datensätzen schnell aus, indem Sie GPU-basierte Bibliotheken verwenden, die wie vertraute Python-Tools funktionieren.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
cuml — GitHub preview card
📈 Sternhistorie
5.24k5.22k
2026-07-042026-07-29
📈 cuml verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

cuML - RAPIDS Machine Learning Bibliothek

cuml hat 5.2k Sterne auf GitHub. Es wurde 648-mal geforkt. cuml ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. cuml ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: cuda, gpu, machine-learning, machine-learning-algorithms.

Frequently asked questions

Was ist cuml?

cuML - RAPIDS Machine Learning Bibliothek

Ist cuml Open Source?

cuml ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist cuml kostenlos?

Ja. cuml ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht cuml?

cuml ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist cuml geschrieben?

cuml ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — cuml

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=rapidsai-cuml)](https://opensourceai.tech/project/rapidsai-cuml.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.