كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

RAPIDS

NVIDIA RAPIDS (cuDF, cuML, cuGraph)

مجموعة مكتبات NVIDIA لتسريع علم البيانات على GPU: cuDF للجداول وcuML للتعلم الآلي وcuGraph للرسوم.

نشطةمتوسطv26.10.2Apache-2.0الحوسبة المتوازية وتسريع الذكاء الاصطناعيمكتبات البرمجة العلمية ومعالجة البيانات

الوثائق الرسمية

المعلومات الأساسية

الاسمRAPIDS
الاسم الكاملNVIDIA RAPIDS (cuDF, cuML, cuGraph)
التصنيفالحوسبة المتوازية وتسريع الذكاء الاصطناعي
الجهة المطورةNVIDIA
سنة الإطلاق2018
الموقع الرسميrapids.ai
مستودع GitHubrapidsai
الوثائق الرسميةdocs.rapids.ai
الحزمة على PyPIcudf-cu12
الترخيصApache-2.0 (ملف الترخيص)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار22 أكتوبر 2026 (الإصدار 26.10.2)
لغة البرمجةC++، Python، CUDA
أنظمة التشغيلغير محدد
إصدار Python المطلوب>=3.11
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

تحاكي cuDF واجهة pandas، وcuML واجهة scikit-learn، وcuGraph خوارزميات الرسوم، فتجري المعالجة والتدريب على GPU. وتوفر أوضاع تسريع شفافة مثل cudf.pandas التي تسرّع كود pandas الموجود دون تعديله.

تعمل على Linux أو WSL2 مع معالجات NVIDIA؛ راجع متطلبات النظام في دليل التثبيت.

متى تختارها؟ اخترها لتسريع تحليل البيانات والتعلم الكلاسيكي على GPU دون تعلم واجهات جديدة.

الاستخدامات

الاستخدامات الرئيسية

  • تسريع pandas وscikit-learn على GPU
  • تحليل رسوم كبيرة

المجالات العلمية

  • علم البيانات واسع النطاق

أنواع المشاريع المناسبة

  • تسريع خط تحليل بيانات كبير

تطبيقات بحثية

  • معالجة مجموعات بيانات ضخمة بسرعة

التسريع بالمعالجات الرسوميةالبيانات الكبيرة والمعالجة المتوازية للجداولالتعلم الآلي الكلاسيكي

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)غير مدعوم
دعم المعالج الرسومي (GPU)مدعوم
التوافق مع CUDAمدعوم
التدريب أو الحوسبة الموزعةمدعوممع Dask عبر dask-cuda.
الاشتقاق التلقائي (Autodiff)لا ينطبق
نشر النماذج (Deployment)لا ينطبق
نماذج مدربة مسبقاًلا ينطبق
أنواع البيانات المدعومةجداول ومصفوفات ورسوم على GPU
التكامل مع مكتبات أخرىPandas، Scikit-learn، Dask، CuPy، NetworkX
المرونة (تقدير تحريري)متوسطة
الأداء (تقدير تحريري)عالية جداً على GPU
المجتمع (تقدير تحريري)متوسط
جودة التوثيق (تقدير تحريري)توثيق جيد

التثبيت والتشغيل

Shell
pip install cudf-cu12 cuml-cu12

استخدم أداة الاختيار في دليل التثبيت الرسمي لاختيار الحزم المطابقة لإصدار CUDA.

التوافق: Python >=3.11 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

المزايا

  • تسريع كبير بواجهات مألوفة

القيود

  • Linux/WSL2 وعتاد NVIDIA فقط
  • ليست كل الواجهات مغطاة

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
26.10.222 أكتوبر 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً