Единая библиотека рекомендаций на PyTorch, содержащая 94 алгоритма бенчмаркинга.
Комплексный фреймворк на базе PyTorch для алгоритмов рекомендаций и бенчмаркинга.
RecBole — это библиотека на Python и PyTorch, предназначенная для воспроизведения и разработки алгоритмов рекомендаций. Она подходит для дата-сайентистов и исследователей, создающих общие, последовательные, контекстно-зависимые или основанные на знаниях рекомендательные системы.
Она включает 94 алгоритма рекомендаций, разделенных на категории общих, последовательных, контекстно-зависимых и основанных на знаниях моделей. Библиотека предлагает единую структуру данных, 44 отформатированных датасета для бенчмаркинга и ускоренное с помощью GPU выполнение с поддержкой многопроцессорного обучения на GPU и смешанной точности.
Она подходит для исследователей и инженеров по машинному обучению, разрабатывающих или тестирующих алгоритмы рекомендаций. Она не подходит для нетехнических пользователей или тех, кто ищет готовый рабочий API рекомендаций без написания кода на Python.
Охватывает общие, последовательные, контекстно-зависимые и основанные на знаниях алгоритмы рекомендаций.
Предоставляет предварительно обработанные датасеты для бенчмаркинга, готовые к немедленному обучению моделей.
Оптимизирована для окружений с GPU с возможностями обучения на нескольких GPU и со смешанной точностью.
Включает встроенные методы поиска как в последовательном, так и в параллельном режимах для оптимальных конфигураций.
Бесплатно по лицензии MIT, единственные затраты заключаются в самостоятельном запуске на вашем оборудовании.
877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
RecBole требует версию Python 3.7 или новее и версию PyTorch 1.7.0 или новее.
Библиотека предоставляет отформатированные копии 44 бенчмарк-датасетов рекомендаций.
Zekai первым в Google