mlreef

一站式 ML 协作平台，让团队高效管理代码、数据与实验。

mlreef 是一个面向机器学习团队的协作工作区，旨在解决 ML 项目中代码、数据和实验管理分散、协作效率低的问题。它提供统一的项目空间，集成代码仓库、数据版本控制、实验跟踪和团队讨论功能，支持从数据准备到模型部署的全流程协作。核心能力包括：基于 Git 的代码和数据处理、可复现的实验记录、灵活的权限管理以及实时协作界面。项目采用 Kotlin 开发，具备良好的扩展性和跨平台支持，适合数据科学家、工程师和研究者共同使用。

开源 unknown 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1460

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MLReef

所属国家

官网地址https://mlreef.com

GitHubhttps://github.com/MLReef/mlreef

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NOASSERTION

主要语言Kotlin

技术栈/模型artificial-intelligence,data-science,deep-learning,deeplearning,machine-learning,machine-learning-algorithms,mlops,mlops-environment,models,mxnet,pytorch,reproducibility,tensorflow

GitHub 星标★ 1460

30天Star增速

HF 下载量

上线时间2020-07-20 00:00:00

最近更新2026-09-03 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2

使用教程

难度：入门约 10 分钟部署方式：云服务 3 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

可访问外网的浏览器（需打开 mlreef.com）
一个 MLReef 账号（官网免费注册）
了解 Git 基础操作，数据托管基于 git / git LFS 仓库

安装与启动步骤

1注册 MLReef 账号

README 指引用户前往官网注册页注册后即可开始实验，注册完成会进入协作工作区。
2阅读官方文档

README 明确指向 docs.mlreef.com，建议先按文档了解数据管理、代码仓库、实验管理等模块用法。
3确认仓库迁移状态

README 声明本 GitHub 仓库已不再维护更新，项目已迁移到 GitLab 主仓库，请勿按本仓库自建部署。

如何确认成功

能成功登录 mlreef.com 并进入工作区，看到数据管理、代码仓库、实验管理等板块即算可用。

常见问题

Q：可以自己本地部署 mlreef 吗？

A：README 未提供任何自托管安装步骤，只说明本仓库已停止维护、主仓库在 GitLab，因此不建议按本仓库自行部署。

Q：这个 GitHub 仓库还能用吗？

A：README 明确表示不再支持和更新该仓库，项目仍在 GitLab 主仓库活跃开发，请以那边为准。

Q：MLReef 主要能做什么？

A：提供数据管理、代码仓库发布、实验管理、ML-Ops 流水线编排四大模块，用于机器学习项目的协作与复现。

Q：数据是怎么存储和版本管理的？

A：README 说明数据通过 git / git LFS 仓库进行托管，具备完整版本化管理能力。

注意事项

README 明确声明本 GitHub 仓库已不再支持与更新，官方主仓库已迁至 GitLab。
README 未给出任何本地安装、Docker 或构建命令，本文步骤均为官网注册与文档入口。
产品入口为 mlreef.com，注册地址 https://mlreef.com/register，文档地址 https://docs.mlreef.com/。

核心亮点

统一管理代码、数据和实验，减少切换工具的成本
内置实验追踪，支持结果对比与复现
细粒度权限控制，适合团队协作场景

不足之处

项目活跃度一般，社区规模有限
文档和示例相对简略，上手门槛较高

适用场景

小型 ML 团队进行项目协作与版本管理
研究机构需要可复现的实验记录环境
企业内网部署私有 ML 工作区

替代项目

DVC (Data Version Control)、MLflow、Kubeflow

项目介绍

mlreef 是基础设施领域的开源项目，由 MLReef 开发，2020 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,460）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 2026-09-03。

它主要面向的使用场景是：小型ML团队进行项目协作与版本管理。同类可对比的替代方案包括 DVC (Data Version Control)、MLflow、Kubeflow。

上一篇：mlops-platforms

下一篇：sdk