用Python+Docker+K8s，把模型部署流水线跑起来
这是一个面向MLOps的实战教程项目，使用Python、Docker和Kubernetes构建完整的机器学习运维流水线。它解决了机器学习模型从开发到生产部署过程中缺乏标准化流程的问题，核心能力包括：基于Kubernetes的模型训练与部署、Docker容器化封装、CI/CD流水线示例、模型监控与版本管理。项目通过可运行的代码示例，帮助开发者理解如何将机器学习工作负载容器化，并利用Kubernetes的弹性伸缩和资源调度能力，实现模型服务的可靠上线与更新。内容覆盖从数据预处理、模型训练到服务暴露的完整链路，适合作为团队落地MLOps的参考起点。
Kubeflow、Seldon Core、MLflow
kubernetes-mlops 是基础设施领域的开源项目，由 AlexIoannides 开发，2019 年首次发布。
它收录于基础设施分类，该分类目前共有 1,130 个项目，GitHub 星标数为 415。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-05。开源教程项目，MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：团队初次尝试MLOps，需要参考落地路径。同类可对比的替代方案包括 Kubeflow、Seldon Core、MLflow。
上一篇：mlops-project
下一篇：mlstacks
freebuff-proxy
开源
聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。
Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···
microduck
开源
用 Rust 造一只会走路的桌面小鸭，快速上手双足机器人。
A Tiny biped duck robot
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
ollama
开源
一条命令本地跑起大模型，免费、私密、不卡顿
Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···
