kedro-mlflow

在 Kedro 管道中一键启用 MLflow 实验追踪与模型版本管理

kedro-mlflow 是一个 Kedro 插件,旨在将 MLflow 的机器学习生命周期管理能力无缝集成到 Kedro 数据管道项目中。它解决了 Kedro 项目在模型版本管理、实验追踪和模型打包方面的痛点,使得数据科学家和工程师可以在不离开 Kedro 工作流的前提下,利用 MLflow 强大的实验记录、模型注册和部署功能。该插件通过自动配置 MLflow 跟踪 URI、提供 Kedro 节点级别的参数和指标记录、以及一键打包模型为 MLflow 格式,简化了从数据准备到模型上线的整个流程。核心能力包括:自动实验追踪、模型版本控制、与 Kedro 数据集和参数系统的深度集成,以及通过 CLI 命令快速启动 MLflow UI 和打包模型。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 236
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Galileo-Galilei
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0 许可证,完全免费,无付费版本。
访问状态
是否开源
开源协议Apache-2.0
主要语言Python
技术栈/模型deployment,kedro,kedro-hook,kedro-mlflow,kedro-plugin,mlflow,mlops,versioning
GitHub 星标★ 236
30天Star增速
HF 下载量
上线时间2020-04-05 00:00:00
最近更新2026-09-15 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2

使用教程

核心亮点

  • 深度集成 Kedro 数据集和参数,自动记录输入输出和参数,无需手动埋点
  • 提供 CLI 命令简化 MLflow 启动和模型打包,降低上手门槛
  • 与 Kedro 管道生命周期绑定,实现节点级指标和参数追踪,便于复现实验

不足之处

  • 文档相对简略,高级用法示例不足,社区支持有限
  • 对 MLflow 新特性的跟进可能滞后,需关注版本兼容性

适用场景

  • 使用 Kedro 构建机器学习管道,需要实验追踪和模型版本管理的团队
  • 希望在不改变现有 Kedro 工作流的前提下引入 MLflow 的迁移场景
  • 需要将 Kedro 训练的模型打包为 MLflow 格式以便部署到模型服务

替代项目

MLflow Projects、Kedro-Docker、Kedro-Viz

项目介绍

kedro-mlflow 是模型训练领域的开源项目,由 Galileo-Galilei 开发,2020 年首次发布。

它收录于模型训练分类,该分类目前共有 518 个项目,GitHub 星标数为 236。

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 2026-09-15。Apache-2.0 许可证,完全免费,无付费版本。

它主要面向的使用场景是:使用Kedro构建机器学习管道,需要实验追踪和模型版本管理的团队。同类可对比的替代方案包括 MLflow Projects、Kedro-Docker、Kedro-Viz。

上一篇:lightning-hydra-template

下一篇:hypertune

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13