mlops-v2

用模板在 Azure 上快速搭建企业级机器学习自动化流水线

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 基础设施 🍴 复刻 350 🐛 待处理 38 👀 关注 28
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 659
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,完全免费,可自行部署使用。

项目预览

mlops-v2 项目界面预览图
图片来源:项目官网

项目数据

分类基础设施
开发团队Azure
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议MIT
主要语言Shell
技术栈/模型azure,azuremachinelearning,azureml,deep-learning,devops,machine-learning,microsoft,mlops,mlops-environment,mlops-project,mlops-template,mlops-workflow
GitHub 星标★ 659
上线时间2022-01-27 00:00:00
代码更新2026-06-03
仓库体积18.6 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

这是微软提供的 Azure MLOps v2 解决方案加速器,旨在帮助企业快速在 Azure 平台上部署和管理机器学习模型。它解决的是机器学习项目从开发到生产过程中缺乏标准化、自动化流程的问题。项目提供了一套企业级的模板和最佳实践,覆盖了从代码仓库、持续集成/持续部署(CI/CD)、模型训练、模型注册到模型部署的完整生命周期。核心能力包括:基于 GitHub Actions 或 Azure DevOps 的自动化流水线,支持基础设施即代码(Bicep),实现可重复的环境部署;内置了数据科学工作区、训练集群、推理端点等资源的配置模板;提供了多环境(开发、测试、生产)的隔离与管理策略。通过使用该加速器,数据科学家和工程师可以显著缩短从实验到上线的周期,同时确保符合企业治理和合规要求。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 659

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 120 分钟 部署方式:Azure 云 5 步

环境要求

  • Azure 订阅与配额
  • az cli 或 Terraform
  • Python 3.9+

安装与启动步骤

  1. 1先读分层结构

    它是一套参考架构而非可运行软件,先看清基础设施、数据、训练三层的目录划分。

  2. 2装 az 命令行

    所有资源都用 az 或 Terraform 部署,先把命令行装好并登录订阅。

  3. 3部署基础资源

    按文档初始化一台开发机加存储与工作区,这一步最容易卡在配额和区域限制。

  4. 4初始化项目模板

    用模板生成自己的训练管道仓库,别直接改加速器本体,升级时会冲突。

  5. 5跑通一次训练

    先跑自带示例数据集,确认管道能串起来,再换自己的数据。

如何确认成功

示例管道能在 Azure 机器学习工作区里跑完并产出一个注册好的模型

注意事项

  • 它是解决方案加速器,不是产品,成本按 Azure 资源实时计费,别放着不关。
  • 区域可用性差异大,GPU 配额申请要提前几天。

核心亮点

  • 提供完整的企业级 MLOps 流水线模板,覆盖训练到部署全流程
  • 基于 Bicep 实现基础设施即代码,环境可重复创建且成本可控
  • 与 GitHub Actions 和 Azure DevOps 深度集成,CI/CD 开箱即用

不足之处

  • 绑定 Azure 生态,迁移到其他云平台困难
  • 模板复杂度较高,初学者上手门槛不低
  • 文档/社区待观察

适用场景

  • 企业在 Azure 上构建标准化的机器学习 CI/CD 流程
  • 需要快速搭建多环境(开发/测试/生产)隔离的 MLOps 基础设施
  • 作为 Azure 机器学习平台的最佳实践参考实现

替代项目

Kubeflow、MLflow、SageMaker MLOps

上一篇:automlops

下一篇:Yatai

同类项目推荐

gemini-web-to-api 开源

把 Gemini 网页版变成标准 API,一键接入现有 AI 应用

✨Reverse-engineered API for Gemini web app. It can be used as a genuine API key fro···

★ 642 2026-08-09
SD-to-CoreML 开源

一键转换 Stable Diffusion 模型为 Apple Core ML 格式,轻松部署到 iPhone 和 Mac。

Shell script to convert Stable Diffusion 1.5 models to Core ML

★ 54 2026-08-09
qwen.cpp 开源

用 C++ 在本地快速跑通 Qwen 模型,无需 Python 环境。

C++ implementation of Qwen-LM

★ 625 2026-08-09
local-ai 开源

国内一键装好 AI 工具,不用魔法直接跑

Mac和Windows一键安装Stable Diffusion WebUI,LamaCleaner,SadTalker,ChatGLM2-6B,等AI工具···

★ 244 2026-08-09
sdk-py 开源

让AI智能体秒开邮箱,免注册免人工,自动收发邮件

Free email for AI agents. No signup, no human needed. Install → provision → send a···

★ 302 2026-08-09
halogen-flash-server 开源

Strix Halo 一键跑 Qwen 本地大模型,开箱即用 OpenAI 接口

Local inference that behaves like a frontier API: Qwen3.8-Flash-Next on AMD Strix Ha···

★ 1270 2026-09-22
OnnxStream 开源

让树莓派跑SDXL,低内存设备也能玩转大模型

Lightweight inference library for ONNX files, written in C++. It can run Stable Diff···

★ 2087 2026-08-09
TokenHub 开源

统一管理企业 AI 调用,让每一次请求可控可追溯。

TokenHub gives enterprises a private gateway to unify AI model access and governance···

★ 1428 2026-08-09
memobase 开源

给 AI 聊天机器人装上长期记忆,让对话更懂你

User Profile-Based Long-Term Memory for AI Chatbot Applications.

★ 2955 2026-08-09