awesome-production-machine-learning

一站式找到ML生产落地所需的所有开源工具

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 2618 🐛 待处理 45 👀 关注 412

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 21084

维护状态活跃

是否开源开源

定价模式 🏷️完全免费该项目为开源资源列表，完全免费，无付费版本。

项目预览

awesome-production-machine-learning 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类基础设施

开发团队EthicalML

官网地址https://ethicalml.github.io/awesome-production-machine-learning

GitHubhttps://github.com/EthicalML/awesome-production-machine-learning

定价模式🏷️完全免费

价格说明该项目为开源资源列表，完全免费，无付费版本。

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

技术栈/模型awesome,awesome-list,data-mining,deep-learning,explainability,interpretability,large-scale-machine-learning,large-scale-ml,machine-learning,machine-learning-operations,ml-operations,ml-ops,mlops,privacy-preserving,privacy-preserving-machine-learning,privacy-preserving-ml,production-machine-learning,production-ml,responsible-ai

GitHub 星标★ 21084

上线时间2018-08-15 00:00:00

代码更新2026-11-08

仓库体积3.1 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数6

项目介绍

这是一个精选清单，汇集了部署、监控、版本管理和扩展机器学习系统的开源工具与库。它解决了机器学习模型从实验到生产落地过程中工具分散、选型困难的问题，帮助工程师和数据科学家快速找到合适的解决方案。清单按功能分类，涵盖模型服务、监控、可解释性、数据版本管理、工作流编排等多个方面，并附有简要说明和链接。核心能力在于其系统性的整理和社区维护的更新机制，是生产环境机器学习实践的重要参考资源。

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 ★ 21084

技术标签

awesome awesome-list data-mining deep-learning interpretability

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
已安装 git（用于克隆仓库）
无需 Python/Node 等运行时；这只是清单文档仓库

安装与启动步骤

1克隆清单仓库

把清单仓库下载到本地，方便离线浏览和检索所有分类条目。
```
git clone https://github.com/EthicalML/awesome-production-machine-learning.git
```
2进入目录

切换到克隆下来的仓库目录，README 与所有分类内容都在这里。
```
cd awesome-production-machine-learning
```
3阅读分类清单

README 按 AutoML、部署与服务、监控等分类列出工具，每个条目含简介和仓库链接。
```
cat README.md
```
4用搜索工具检索

官方提供的搜索工具可快速在整条工具链中定位所需工具，比逐条翻看更快。
5订阅每月更新

Watch 该 GitHub 仓库并查看 Releases 页面，可获取每月新增的生产级 ML 库汇总。