kamonohashi 是基础设施领域的开源项目，由 KAMONOHASHI 开发，2019 年首次发布。
它收录于基础设施分类，该分类目前共有 1,132 个项目，GitHub 星标数为 86。
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 2025-07-03。
它主要面向的使用场景是：企业内部AI团队统一管理训练资源与实验。同类可对比的替代方案包括 Kubeflow、MLflow、Polyaxon。
kamonohashi
一站式管理 AI 数据、训练与 GPU 资源，提升团队研发效率
KAMONOHASHI 是一个面向 AI 开发的基础设施平台，旨在为机器学习团队提供从数据管理、模型训练到部署的全流程支持。它解决了 AI 开发中环境配置复杂、资源调度困难、实验追踪不便等问题。核心能力包括：数据集版本管理、训练任务提交与调度、GPU 资源池化、实验记录与可视化，以及基于 Web 的团队协作界面。项目采用 C# 实现，提供 REST API 和命令行工具，支持与主流深度学习框架集成。作为早期项目，它专注于简化 AI 工程化流程，帮助团队更高效地利用计算资源。
开源
unknown
基础设施
GitHub 星标
★ 86
维护状态
低维护
是否开源
是
定价模式
unknown
项目数据
分类基础设施
开发团队KAMONOHASHI
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议Apache-2.0
主要语言C#
技术栈/模型deep-learning,deeplearning,kubernetes,machine-learning,machinelearning,mlops,nvidia-docker
GitHub 星标★ 86
30天Star增速
HF 下载量
上线时间2019-05-28 00:00:00
最近更新2025-07-03 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
- 提供数据集版本管理，支持数据溯源与复用
- 支持 GPU 资源池化与任务调度，提升硬件利用率
- 内置实验记录与可视化，便于对比模型效果
不足之处
- 文档/社区待观察
- 项目处于早期，功能完整性和稳定性有待验证
适用场景
- 企业内部 AI 团队统一管理训练资源与实验
- 高校实验室进行深度学习研究，需要共享 GPU 环境
- 数据科学竞赛中管理数据集与模型迭代
替代项目
Kubeflow、MLflow、Polyaxon
项目介绍
上一篇：nbox
同类项目推荐
freebuff-proxy
开源
聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。
Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···
microduck
开源
用 Rust 造一只会走路的桌面小鸭，快速上手双足机器人。
A Tiny biped duck robot
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
ollama
开源
一条命令本地跑起大模型，免费、私密、不卡顿
Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···