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

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。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 656
维护状态 低维护
是否开源
定价模式 free

项目数据

分类基础设施
开发团队Azure
所属国家
定价模式free
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
是否开源
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★ 656
30天Star增速
HF 下载量
上线时间2022-01-27 00:00:00
最近更新2026-09-21 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3

使用教程

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

项目介绍

mlops-v2 是基础设施领域的开源项目,由 Azure 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 1,130 个项目,GitHub 星标数为 656。

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 2026-09-21。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:企业在Azure上构建标准化的机器学习CI/CD流程。同类可对比的替代方案包括 Kubeflow、MLflow、SageMaker MLOps。

上一篇:automlops

下一篇:Yatai

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