跳到主要内容
Ctrl+K

cuml 25.04.00 文档

  • 简介
  • API 参考
  • 用户指南
  • cuml.accel: Scikit-Learn, UMAP 和 HDBSCAN 的零代码更改加速
  • 博客及其他参考资料
  • GitHub
  • Twitter
主页
cuml
cucimcudf-javacudfcugraphcumlcuprojcuspatialcuvscuxfilterdask-cudadask-cudfkvikiolibcudflibcumllibcuprojlibcuspatiallibkvikiolibrmmlibucxxraftrapids-cmakerapidsmpfrmm
stable (25.04)
nightly (25.06)stable (25.04)legacy (25.02)
  • 简介
  • API 参考
  • 用户指南
  • cuml.accel: Scikit-Learn, UMAP 和 HDBSCAN 的零代码更改加速
  • 博客及其他参考资料
  • GitHub
  • Twitter

部分导航

  • 博客及其他参考资料

博客及其他参考资料#

RAPIDS 团队的博客位于 https://medium.com/rapids-ai,其中许多博客文章深入探讨了 cuML 的模型或关键特性。在这里,我们只挑选了一些 cuML 用户特别感兴趣的文章。

集成、应用和通用概念#

  • RAPIDS 可配置输入和输出类型

  • AWS Sagemaker 上的 RAPIDS

树模型和森林模型#

  • 使用 cuML 将随机森林加速高达 45 倍

  • RAPIDS 森林推理库:每秒 1 亿行的预测速度

  • 使用 FIL 的稀疏森林

其他常用模型#

  • 使用 GPU 加速 TSNE:从数小时到数秒

  • 在 RAPIDS cuML 中结合速度和规模加速 K-Means

  • 使用 RAPIDS cuML 将 k 近邻加速 600 倍

学术论文#

  • Python 中的机器学习:数据科学、机器学习和人工智能的主要发展和技术趋势 (Sebastian Raschka, Joshua Patterson, Corey Nolet)

上一个

cuml.accel: 使用 NVIDIA GPU 进行零代码更改加速。

在此页上
  • 集成、应用和通用概念
  • 树模型和森林模型
  • 其他常用模型
  • 学术论文

本页

  • 显示源

© Copyright 2020-2023, NVIDIA Corporation.

使用 Sphinx 8.1.3 创建。

使用 PyData Sphinx Theme 0.16.1 构建。