cookiecutter-mlops-package

一键生成 MLOps 项目骨架，快速进入开发部署

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 56 👀 关注 2

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 444

维护状态较活跃

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

cookiecutter-mlops-package 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fmind

官网地址https://mlops-coding-course.fmind.dev

GitHubhttps://github.com/fmind/cookiecutter-mlops-package

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Python

技术栈/模型best-practices,cookiecutter,machine-learning,mlflow,mlops,python,template,uv

GitHub 星标★ 444

上线时间2024-07-28 00:00:00

代码更新2026-11-02

仓库体积234 KB

本站数据更新2026-11-11

维护状态较活跃

收录时间2026-08-09

浏览次数7

项目介绍

cookiecutter-mlops-package 是一个用于快速搭建 MLOps 任务相关 Python 包和 Docker 镜像的项目模板。它基于 Cookiecutter 工具，帮助开发者跳过繁琐的项目初始化配置，直接生成包含标准目录结构、依赖管理、测试框架、CI/CD 配置以及 Dockerfile 的完整项目骨架。该模板解决了 MLOps 项目中常见的重复性搭建问题，让团队能专注于模型训练、部署和监控等核心业务逻辑。其核心能力包括：自动生成可发布的 Python 包结构、预配置 Docker 镜像构建流程、集成常见 MLOps 工具链（如 MLflow、DVC 等）、提供统一的代码规范和测试入口。通过使用该模板，开发者可以显著缩短项目启动时间，并确保不同项目间的一致性，便于协作和维护。

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 ★ 444

技术标签

best-practices machine-learning mlflow mlops python

使用教程

难度：入门约 15 分钟部署方式：本地安装 4 步

环境要求

Python 3.10+
uv 或 cookiecutter

安装与启动步骤

1用模板生成项目

一条命令交互式问几个问题就生成完整骨架。
```
uvx cookiecutter gh:fmind/cookiecutter-mlops-package
```
2装开发依赖

生成的项目自带依赖管理与测试配置。
```
make install
```
3跑一遍测试

确认模板产出的工程是可运行的，再往里加代码。
```
make test
```
4改包名与元数据

生成时的名字会散落在多处，改名要全局替换后再测。