mlops-python-package

一键生成标准 MLOps 项目骨架,快速落地数据管道

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 200 🐛 待处理 2 👀 关注 15
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1421
维护状态 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

mlops-python-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
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automation,data-science,machine-learning,machine-learning-operations,mise,mlflow,mlops,mlops-course,pandera,pydantic,python,scikit-learn,uv
GitHub 星标★ 1421
上线时间2023-06-23 00:00:00
代码更新2026-11-07
仓库体积4.9 MB
本站数据更新2026-11-08
维护状态活跃
收录时间2026-08-09
浏览次数6

项目介绍

mlops-python-package 是一个用于快速启动和标准化 MLOps 项目及数据管道的 Python 包模板。它解决了 MLOps 项目从零搭建时缺乏统一结构和最佳实践的问题,提供了一套完整的项目骨架,包括配置管理、日志记录、数据版本控制、模型训练与评估、实验跟踪、CI/CD 集成等模块。核心能力是帮助团队快速建立可维护、可扩展、可复现的机器学习项目结构,减少重复性工作,提升协作效率。该模板基于 Jupyter Notebook 开发,适合数据科学家和 ML 工程师使用,能够将实验代码快速转化为生产级代码。

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 ★ 1421

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 15 分钟 部署方式:本地安装 6 步

环境要求

  • Git(用于克隆 GitHub 仓库)
  • Uv:用于安装和切换 Python 版本(README 指定的版本管理工具)
  • Docker:用于创建隔离的运行时环境(README 指定的 runtime)
  • mise:本地与 CI 均通过同一命令 mise run all 执行流程
  • 可访问 GitHub 与 Docker 镜像源的网络环境

安装与启动步骤

  1. 1克隆项目仓库

    README 安装部分第一步要求把 GitHub 仓库克隆到本地,之后所有操作都在该目录内进行。

    git clone https://github.com/fmind/mlops-python-package.git
  2. 2进入项目目录

    克隆完成后进入项目根目录,后续的配置修改与命令执行都在此目录进行。

    cd mlops-python-package
  3. 3准备 Python 运行版本

    README 使用 Uv 作为版本管理工具来切换 Python 版本,按官方指南安装 Uv 并选定合适版本;README 未给出具体安装命令。

  4. 4准备隔离运行环境

    README 推荐用 Docker 作为 runtime 创建隔离环境,可把 C/C++ 依赖一并打包;README 未给出具体构建命令。

  5. 5调整项目配置

    在 confs/ 文件夹中新增或编辑配置文件即可改变程序行为,按你的数据与任务需求修改。

  6. 6执行完整流程

    README 说明 CI 与本地钩子统一运行一条命令 mise run all,保证两者结果一致。

    mise run all

关键配置

配置项必填说明示例
confs/ 目录下的配置文件是README 指出可在 confs/ 文件夹添加或编辑配置文件来改变程序行为confs/config.yaml

如何确认成功

执行 mise run all 后无报错即表示环境与配置可用;README 节选未提供独立的健康检查命令。

常见问题

Q:公司禁止安装 Docker Desktop 怎么办?

A:README 在 Docker 的 Limitations 中明确指出部分公司会禁用 Docker Desktop,建议改用其他容器替代方案,例如 Conda 等隔离方式。

Q:如何切换或指定 Python 版本?

A:README 选择 Uv 作为版本管理工具,支持全局与本地切换 Python 版本;按 Uv 官方安装 Python 的指南操作即可,注意可能需要额外的 shell 配置。

Q:配置在哪里修改?

A:所有程序行为相关的配置都放在项目的 confs/ 文件夹中,新增或编辑其中的配置文件即可,无需改动代码。

Q:本地和 CI 的执行结果会不一致吗?

A:README 说明 CI 与本地钩子都只运行 mise run all 这一条命令,因此两者不会出现执行方式上的分歧。

Q:仓库里没有完整的安装命令怎么办?

A:README 节选中的安装部分仅给出了克隆仓库这一步,其余命令被截断;请以仓库完整 README 和官网文档为准,不要自行猜测包名和参数。

注意事项

  • README 节选中的安装章节不完整,仅确认了“克隆仓库”这一步,其余安装与构建命令未给出,请查阅仓库完整 README 与官网 https://fmind.github.io/mlops-python-package。
  • Uv 与 Docker 的具体安装、构建命令 README 未提供,本文未做任何补充编造,请按各自官方文档执行。
  • CI 与本地钩子统一使用 mise run all,修改流程时不要绕开该入口,以免本地与 CI 行为不一致。
  • 该仓库是 MLOps 项目模板/骨架,使用方式偏向在此基础上开发与扩展,而非直接开箱运行的服务。

核心亮点

  • 内置完整的项目目录结构和配置管理,开箱即用
  • 集成数据版本控制、实验跟踪和模型评估等 MLOps 关键组件
  • 提供 CI/CD 和部署模板,方便团队协作和自动化

不足之处

  • 模板相对固定,定制化需要额外学习成本
  • 文档/社区待观察

适用场景

  • 数据团队快速搭建标准化的 MLOps 项目基础
  • 从实验到生产的机器学习项目迁移
  • 企业内统一机器学习项目结构和最佳实践

替代项目

cookiecutter-data-science、MLflow Projects、Kedro

上一篇:client

下一篇:are-you-a-cat

同类项目推荐

ai-observer 开源

把多个 AI 编程助手的调用记录统一收进本地 DuckDB,随时查。

Unified local observability for AI coding assistants

★ 289 2026-09-23
bitrouter 开源

自动选对模型,让智能体工作流越跑越顺

elastic inference for your agentic workloads, on your terms

★ 238 2026-08-09
MinerU 开源

把 PDF/Word 一键转成 AI 能读懂的 Markdown,让文档直接喂给大模型。

Transforms complex documents like PDFs and Office docs into LLM-ready markdown/JSON ···

★ 83288 2026-08-10
postgres 开源

最可靠的开源关系型数据库,搞定复杂数据场景

Mirror of the official PostgreSQL GIT repository. Note that this is just a *mirror* ···

★ 22737 2026-08-29
kieker 开源

运行时采集调用链,离线分析定位性能瓶颈

Kieker is an observability framework, that consists of an monitoring and tracing age···

★ 114 2026-10-13
latticedb 开源

一个文件搞定图、向量和全文检索,给 RAG 用

Embedded single-file knowledge graph database with vector search and full-text searc···

★ 747 2026-10-02
rknn-llm 开源

把大模型塞进瑞芯微开发板,NPU 加速离线跑

★ 1756 2026-10-06
spark-vllm-docker 开源

双 DGX Spark 一键 Docker 跑 vLLM 推理

Docker configuration for running VLLM on dual DGX Sparks

★ 2478 2026-10-14
kitchenai 开源

让AI团队像做菜一样,轻松管理模型和提示词,快速上线应用。

Open Source LLMOps tool for AI teams

★ 131 2026-08-09