pai

管好 GPU 集群，让 AI 训练快人一步

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署基础设施 🍴 复刻 553 🐛 待处理 261 👀 关注 12 ⚠️ 作者已归档（停止维护）

GitHub ↗

GitHub 星标 ★ 2696

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费

项目预览

项目数据

分类基础设施

开发团队microsoft

GitHubhttps://github.com/microsoft/pai

定价模式🏷️完全免费

价格说明开源免费

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言JavaScript

技术栈/模型ai,artificial-intelligence,chainer,cloud,cluster-management,cluster-manager,gpu,gpu-cluster,gpu-computing,gpu-scheduler,jupyter,kubernetes,machine-learning,model-training,on-premise,pytorch,resource-management,scheduling,tensorflow

GitHub 星标★ 2696

上线时间2017-09-25 00:00:00

代码更新2026-10-19

仓库体积72.8 MB

本站数据更新2026-11-15

维护状态较活跃

收录时间2026-08-16

浏览次数12

项目介绍

pai 是一个面向 AI 场景的资源调度与集群管理平台，主要解决 GPU 等异构计算资源在深度学习训练和推理任务中的分配效率问题。它支持多种 AI 框架（如 Chainer），提供统一的资源抽象和调度策略，能够动态管理集群中的 GPU 节点，实现任务的排队、抢占和弹性伸缩。核心能力包括：多租户资源隔离、优先级调度、故障转移、以及细粒度的 GPU 分配。通过简化集群运维，帮助团队更高效地利用昂贵算力，缩短模型迭代周期。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-16 · 当前星标 ★ 2696

技术标签

ai artificial-intelligence cloud gpu jupyter

使用教程

难度：高级约 60 分钟部署方式：本地安装 4 步

⚠ 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。

环境要求

需要理解 OpenPAI 的部署形态：本地（on-premises）、混合或公有云部署
试用用户可准备单机（single-box）环境进行部署验证
如需 GPU 调度能力，需要具备 GPU 节点等异构算力资源
仓库已进入稳定模式且为只读（对应 v1.8.1），无需期待新功能更新

安装与启动步骤

1确认部署形态

README 说明 OpenPAI 是全栈方案，支持本地、混合、公有云部署，也支持单机部署供试用，先据此选定形态。
2查阅仓库与发布说明

访问 GitHub 仓库并阅读 RELEASE_NOTE.md，确认当前稳定版本为 v1.8.1 及其说明，README 未给出安装命令。
3按形态准备运行环境

根据选定的本地/混合/公有云/单机形态准备对应环境；README 未列出具体系统、硬件与依赖版本要求。
4联系维护方获取支持

仓库已改为只读模式，如需协作、部署协助或技术资料，请直接联系仓库管理员。