full-stack-on-prem-cv-mlops

一条命令，从Notebook到百万级CV服务

这是一个面向计算机视觉的全栈本地化MLOps系统，旨在通过一条配置和一个命令，将Jupyter Notebook中的模型快速部署到生产环境，服务数百万用户。它覆盖了从数据版本管理、模型训练、部署到模型监控和漂移检测的完整生命周期。项目强调本地化部署，适合对数据隐私和合规性有严格要求的场景。核心能力包括数据版本控制、实验追踪、模型服务、自动扩缩容、监控告警和漂移检测，帮助团队从原型到生产无缝衔接，减少工程重复劳动。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 56

维护状态低维护

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队jomariya23156

所属国家

官网地址

GitHubhttps://github.com/jomariya23156/full-stack-on-prem-cv-mlops

定价模式free

价格说明开源项目，MIT许可证，可免费使用和部署。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型api,computer-vision,data-versioning,deep-learning,deployment,docker,drift-detection,full-stack,jupyter,machine-learning,ml-platform,mlops,model-monitoring,monitoring,on-premise,python,system,ui,website,workspace

GitHub 星标★ 56

30天Star增速

HF 下载量

上线时间2023-08-27 00:00:00

最近更新2026-06-16 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4

使用教程

核心亮点

从Notebook到生产仅需一条命令，极大降低部署门槛
内置数据版本管理和漂移检测，覆盖MLOps全流程
专为计算机视觉优化，支持图像/视频处理场景

不足之处

文档/社区待观察
早期项目，功能稳定性和生态成熟度有待验证

适用场景

私有化部署的视觉AI服务，如安防、工业质检
需要快速将实验模型上线的小型团队
对数据隐私要求高的医疗、金融影像分析

替代项目

Kubeflow、MLflow、Seldon Core

项目介绍

full-stack-on-prem-cv-mlops 是基础设施领域的开源项目，由 jomariya23156 开发，2023 年首次发布。

它收录于基础设施分类，该分类目前共有 1,133 个项目，GitHub 星标数为 56。

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 2026-06-16。MIT许可证，可免费使用和部署。

它主要面向的使用场景是：私有化部署的视觉AI服务，如安防、工业质检。同类可对比的替代方案包括 Kubeflow、MLflow、Seldon Core。

上一篇：MLOpsTemplate

下一篇：dstoolkit-mlops-databricks