clearml-agent

一键排队运行ML任务，自动调度GPU，省心省力

ClearML Agent 是 ClearML 平台的核心调度与编排组件，负责执行远程任务、管理队列并调度 GPU 等计算资源。它解决了 MLOps/LLMOps 中实验运行分散、环境依赖难复现、资源利用率低的问题。核心能力包括：从 ClearML 服务拉取排队任务并自动执行，支持 Docker 容器隔离和 Conda 虚拟环境，实现可复现的实验；提供基于优先级的队列调度，支持多代理并行消费；支持集群模式，可自动伸缩工作进程；与 ClearML 生态无缝集成，统一管理数据、模型和实验。该工具让数据科学家和平台工程师能够像使用任务队列一样提交和运行机器学习任务，简化了从开发到生产的流程。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 313

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队clearml

所属国家

官网地址https://clear.ml/docs

GitHubhttps://github.com/clearml/clearml-agent

定价模式free

价格说明开源项目，Apache-2.0 许可证，可免费使用和自行部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型clearml-agent,cluster-manager,deep-learning,deep-learning-devops,deeplearning,devops,gpu,k8s,kubernetes,llmops,machine-learning,mlops,orchestration

GitHub 星标★ 313

30天Star增速

HF 下载量

上线时间2019-10-25 00:00:00

最近更新2026-09-18 00:00:00

维护状态较活跃

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6

使用教程

核心亮点

原生集成ClearML生态，安装配置简单，开箱即用
支持Docker和Conda环境隔离，确保实验可复现
队列和优先级调度机制，高效利用GPU资源

不足之处

与ClearML服务强绑定，难以独立使用
文档偏少，社区规模较小

适用场景

团队统一管理多台GPU服务器，按队列分配实验任务
需要可复现的深度学习训练环境，避免依赖冲突
构建自动化ML流水线，定时或触发式运行训练任务

替代项目

KubeFlow、Airflow、Polyaxon

项目介绍

clearml-agent 是基础设施领域的开源项目，由 clearml 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 1,132 个项目，GitHub 星标数为 313。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-18。Apache-2.0 许可证，可免费使用和自行部署。

它主要面向的使用场景是：团队统一管理多台GPU服务器，按队列分配实验任务。同类可对比的替代方案包括 KubeFlow、Airflow、Polyaxon。

上一篇：aisix-archived

下一篇：Awesome-LLMOps