> ML_KUTUPHANE // RAPIDS-CUML_v1.0
RAPIDS cuML
NVIDIA / RAPIDS — scikit-learn API'siyle uyumlu GPU hızlandırmalı makine öğrenimi algoritmaları paketi.
classical-mlv24.08.0Apache-2.0qualified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CUDA
Dağıtık Eğitim (Distributed):Evet
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CUDA
Hedef Ortamlar (Targets):server
Neleri Sağlar (Ne Yapar)
- +scikit-learn uyumlu algoritmaları NVIDIA GPU üzerinde çalıştırma (Random Forest, SVM, k-means, UMAP)
- +Dask-cuML ile çoklu GPU ölçeklemesi
- +Treelite ile hızlı orman çıkarımı dışa aktarımı
Neleri Sağlamaz (Ne Yapmaz)
- -CPU veya NVIDIA dışı GPU donanımlarında çalışma
- -Derin transformer modelleri eğitme
- -Tarayıcı ortamlarında çalışma
>Uygun İş Tipleri
- CPU üzerinde saatler süren büyük tablo modellerini GPU üzerinde dakikalar içinde eğitme
- Milyonlarca satırda UMAP veya t-SNE görselleştirme hesaplamalarını hızlandırma
>Uygun Olmayan İş Tipleri
- Yalnızca CPU içeren bulut sunucuları
- Metin üretimi veya LLM ön eğitimi
Veri Yerleşimi ve İkameti
Ana makine GPU belleği.
Güvenlik Değerlendirmesi
Standart pickle yerine Treelite veya ONNX formatına aktarın.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:moderate
Maliyet Seviyesi:high-compute
> Bilinen Kısıtlamalar:
- Tüm scikit-learn algoritmalarının cuML karşılığı bulunmaz.
- Sıkı NVIDIA CUDA sürücü bağımlılıkları vardır.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
RAPIDS cuML Documentationofficial-docs • >=24.02.0, <=24.08.x
2026-09-25HIGH