用 Azure 全家桶，把机器学习模型从训练到上线全流程自动化。
MLOpsPython 是一个基于 Azure 机器学习服务和 Azure DevOps 的端到端 MLOps 参考实现。它解决了机器学习模型从开发到生产部署过程中缺乏标准化流程的问题，提供了一套可复用的 CI/CD 管道模板，涵盖数据准备、模型训练、模型评估、模型注册、部署和监控等环节。核心能力包括：使用 Azure DevOps 定义多阶段流水线，自动化触发训练和部署；集成 Azure ML 进行实验跟踪和模型管理；支持 AKS、ACI 等多种部署目标；内置模型监控和重新训练策略。项目以 Python 和 ARM 模板为主，帮助团队快速搭建企业级 ML 平台，降低运维复杂度，提升交付效率。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1阅读官方上手文档
README 明确要求按 docs/getting_started.md 中的手动步骤在订阅中部署本方案，请先完整阅读该文档再操作
2准备 Azure 资源
依据 getting_started 指引在 Azure 订阅中创建工作区、计算等所需资源，具体命令以该文档为准
3配置 Azure DevOps 流水线
使用仓库中的 CI（Model-Train-Register-CI）与 CD 流水线定义，在 Azure DevOps 中导入并绑定服务连接
4可选：集成自有代码
部署完成后可参照 docs/custom_model.md 将你自己的模型代码接入该模板
按 docs/getting_started.md 完成部署后，在 Azure DevOps 中确认 CI 与 CD 流水线均构建成功（README 中对应徽章为 passing）。
Q：需要哪些前置账号？
A：需要 Azure 订阅以及 Azure DevOps 组织，两者用于承载 Azure ML 资源与 CI/CD 流水线。
Q：具体安装命令在哪里？
A：README 未直接给出命令，而是指向 docs/getting_started.md，请以该文档中的手动步骤为准。
Q：如何换成自己的模型代码？
A：参考 docs/custom_model.md，把自有代码集成进本仓库模板即可。
Q：支持哪些部署目标？
A：项目简介提到支持 AKS、ACI 等多种部署目标，具体配置以官方文档为准。
Kubeflow、MLflow、Seldon Core
MLOpsPython 是基础设施领域的开源项目，由 microsoft 开发，2019 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,320）位列前 30%，在基础设施分类中处于中上游。
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 2026-09-05。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：企业基于Azure云平台构建标准化ML流水线。同类可对比的替代方案包括 Kubeflow、MLflow、Seldon Core。
上一篇：bodywork-core
下一篇：whitebox
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···
