Início Projetos cuml
cuml

cuml

por rapidsai · GitHub

cuML - Biblioteca de Aprendizado de Máquina RAPIDS

Ver no GitHub
Em palavras simples

Execute tarefas de aprendizado de máquina em grandes conjuntos de dados rapidamente usando bibliotecas baseadas em GPU que funcionam como ferramentas Python familiares.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 Licença
Uso comercial permitido
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
cuml — GitHub preview card
📈 Histórico de estrelas
5.24k5.22k
2026-07-042026-07-29
📈 Acompanhe cuml

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

cuML - Biblioteca de Aprendizado de Máquina RAPIDS

cuml tem 5.2k estrelas no GitHub. Foi bifurcado 648 vezes. cuml é escrito principalmente em Python. Está em desenvolvimento ativo desde 2018. cuml está disponível sob a licença Apache-2.0. Os seus principais temas são: cuda, gpu, machine-learning, machine-learning-algorithms.

Frequently asked questions

O que é cuml?

cuML - Biblioteca de Aprendizado de Máquina RAPIDS

cuml é de código aberto?

cuml é um projeto de código aberto. É distribuído sob a licença Apache-2.0.

cuml é gratuito?

Sim. cuml é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está cuml?

cuml está disponível sob a licença Apache-2.0.

Em que linguagem cuml está escrito?

cuml é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — cuml

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=rapidsai-cuml)](https://opensourceai.tech/project/rapidsai-cuml.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.