Uma biblioteca unificada de recomendação em PyTorch com 94 algoritmos de benchmark.
Um framework abrangente baseado em PyTorch para algoritmos de recomendação e benchmark.
O RecBole é uma biblioteca baseada em Python e PyTorch projetada para reproduzir e desenvolver algoritmos de recomendação. É adequado para cientistas de dados e pesquisadores que constroem sistemas de recomendação gerais, sequenciais, sensíveis ao contexto ou baseados em conhecimento.
Inclui 94 algoritmos de recomendação categorizados em modelos gerais, sequenciais, sensíveis ao contexto e baseados em conhecimento. A biblioteca oferece uma estrutura de dados unificada, 44 datasets de benchmark formatados e execução acelerada por GPU, suportando treinamento multi-GPU e de precisão mista.
É adequado para pesquisadores e engenheiros de machine learning que desenvolvem ou realizam benchmarks de algoritmos de recomendação. Não é adequado para usuários não técnicos ou para aqueles que buscam uma API de recomendação de produção pronta para uso sem programação em Python.
Cobre algoritmos de recomendação gerais, sequenciais, sensíveis ao contexto e baseados em conhecimento.
Fornece datasets de benchmark pré-processados prontos para o treinamento imediato de modelos.
Otimizado para ambientes de GPU com capacidades de treinamento multi-GPU e de precisão mista.
Inclui métodos de busca integrados em série e em paralelo para configurações ideais.
Gratuito sob a licença MIT, sendo o único custo executá-lo por conta própria em seu hardware.
879 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
O RecBole requer a versão 3.7 ou posterior do Python e a versão 1.7.0 ou posterior do PyTorch.
A biblioteca fornece cópias formatadas de 44 datasets de benchmark de recomendação.
Veja o Zekai primeiro no Google