awesome-ml-experiment-management

一张清单,搞定ML实验跟踪工具选型

这是一个精选列表,汇总了用于机器学习实验跟踪与管理的开源工具和商业产品。它解决的是ML实践中实验记录混乱、结果难以复现、模型版本管理困难等问题。项目按功能分类整理(如跟踪、编排、元数据存储等),每个工具附有简介和链接,帮助研究者与工程师快速选型。核心能力在于提供结构化的资源导航,覆盖从轻量级跟踪库到企业级平台,节省调研成本。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 162
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类基础设施
开发团队awesome-mlops
所属国家
官网地址
定价模式free
价格说明开源项目,免费使用,无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言
技术栈/模型aiops,awesome,awesome-list,data-science,dataops,datascience,deep-learning,experiment-management,experiment-tracking,kubernetes,machine-learning,ml-lifecycle,mlops,model-management,model-registry,orchestration
GitHub 星标★ 162
30天Star增速
HF 下载量
上线时间2022-04-20 00:00:00
最近更新2026-09-14 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 分类清晰,按功能维度(跟踪、编排、元数据)划分,便于按需查找
  • 涵盖开源与商业产品,兼顾免费与付费方案
  • 持续更新,收录新兴工具如W&B、MLflow等

不足之处

  • 列表式资源,无深度对比或评测数据
  • 文档/社区待观察

适用场景

  • 为ML项目选择实验管理工具时快速调研
  • 对比不同实验跟踪方案的特性与适用场景
  • 作为学习清单,了解MLOps生态全貌

替代项目

awesome-mlops、awesome-production-machine-learning、mlflow

项目介绍

awesome-ml-experiment-management 是基础设施领域的开源项目,由 awesome-mlops 开发,2022 年首次发布。

它收录于基础设施分类,该分类目前共有 1,132 个项目,GitHub 星标数为 162。

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 2026-09-14。免费使用,无付费版本。

它主要面向的使用场景是:为ML项目选择实验管理工具时快速调研。同类可对比的替代方案包括 awesome-mlops、awesome-production-machine-learning、mlflow。

上一篇:dagster-mflix-demo

下一篇:simpleAI

同类项目推荐

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···

★ 213 2026-08-20
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

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
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···

★ 181484 2026-08-09