hub

集中登记管理模型版本与元数据，打通实验到生产

Model Registry 是一个用 Go 编写的开源模型注册中心，为机器学习模型开发者提供统一的模型索引与管理界面。它解决的核心问题是模型从实验阶段到生产部署之间缺乏集中管理：实验产出的模型、版本和 ML 制品元数据往往散落在各人本地或实验平台，难以追踪、复用和协作。该项目提供单一入口，让数据科学家、ML 工程师和运维等 MLOps 生命周期中的各方都能登记、检索、版本化模型及其元数据，并关联制品信息，从而打通实验与生产之间的断层。核心能力包括模型与版本的集中索引、元数据与制品管理、面向多角色的协作接口，以及作为基础设施组件被其他训练、部署流水线集成调用。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 184

维护状态活跃

是否开源是

定价模式 free

项目数据

分类基础设施

开发团队kubeflow

所属国家

官网地址https://www.kubeflow.org/docs/components/model-registry/getting-started

GitHubhttps://github.com/kubeflow/hub

定价模式free

价格说明开源免费，Kubeflow生态组件

访问状态

是否开源是

开源协议Apache-2.0

主要语言Go

技术栈/模型

GitHub 星标★ 184

30天Star增速

HF 下载量

上线时间2024-01-12 00:00:00

最近更新2026-09-18 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-20

浏览次数0

使用教程

核心亮点

用 Go 编写，单二进制部署轻量，适合作为 MLOps 基础设施组件集成
聚焦模型注册这一明确缺口，提供模型、版本、制品元数据的统一索引
面向 MLOps 全生命周期多角色协作，便于团队共享和复用模型资产

不足之处

GitHub 星标仅 184，属于早期项目，社区规模和生产验证案例有限
生态集成、文档完善度和长期维护活跃度有待观察

适用场景

团队将训练产出的模型统一登记到注册中心，按版本追踪和检索
CI/CD 流水线从注册中心拉取指定版本模型进行部署
多角色协作时集中查看模型元数据与制品信息，避免资产散落

替代项目

MLflow、Kubeflow、BentoML

项目介绍

hub 是一个基础设施领域的开源项目，官方简介：Model Registry provides a single pane of glass for ML model developers to index and manage models, versions, and ML artifacts metadata. It fills a gap between model experimentation and production activities. It provides a central interface for all stakeholders in the MLOps lifecycle to collaborate on ML models.。项目使用 Go 开发，在 GitHub 上获得 184 星标。

上一篇：amazon-eks-machine-learning-with-terraform-and-kubeflow

下一篇：没有了！

hub