项目预览
项目数据
项目介绍
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 2026-08-09 · 当前星标 ★ 1659
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- 已安装 Python 环境(README 未给出具体版本要求)
- pip 可正常安装第三方包
- 需要可联网访问 PyPI
- 以 Python 库 + pxt 命令行工具两种方式使用
安装与启动步骤
-
1安装 Pixeltable
使用 pip 安装 Pixeltable 及其 serve 附加组件,命令中的 extras 需用引号包裹,避免 shell 解析方括号出错。
pip install 'pixeltable[serve]' -
2初始化环境
安装完成后执行 pxt init 完成命令行工具的初始化配置,未初始化前后续 pxt 命令可能无法正常使用。
pxt init -
3生成示例应用
用内置示例生成一个可运行的 app.py,作为后续创建目录和部署服务的输入文件,可先阅读其内容。
pxt service example --out app.py -
4创建目录结构
根据 app.py 中的定义创建名为 my_app 的 catalog 及其表结构,这是后续服务部署依赖的元数据基础。
pxt schema update app.py my_app -
5部署应用服务
把 app.py 中定义的服务更新到 my_app 上,README 中这是安装体验流程的最后一步。
pxt service update app.py my_app
如何确认成功
以上命令均无报错即视为成功,其中 pxt schema update 会创建目录 my_app;更完整的验证方式见官方 Quickstart 文档。
常见问题
Q:pip install 时报方括号相关错误怎么办?
A:extras 写法必须加引号,使用 pip install 'pixeltable[serve]',否则部分 shell 会把方括号当成通配符解析。
Q:pxt 命令可以用哪些参数?
A:README 未列出完整参数,仅给出 init、service example、schema update、service update 四个用法,其余请查阅官方 CLI 文档。
Q:app.py 里的示例内容是什么?
A:README 未展示示例代码内容,执行 pxt service example --out app.py 后直接打开生成的 app.py 阅读即可。
Q:能否直接用云端托管版本?
A:Pixeltable Cloud 目前处于 Limited Beta,需发邮件至 contact@pixeltable.com 申请,README 未给出其他云端使用步骤。
注意事项
- README 中 extras 必须写成 'pixeltable[serve]',引号不可省略。
- 示例目录名 my_app 来自 README 命令,实际使用时需与 app.py 中定义保持一致。
- Pixeltable Cloud 为限量 Beta,现有安装流程为本地 Python 环境自建。
- 更多用法见官方文档 docs.pixeltable.com 与 quick-start 页面。
核心亮点
- 声明式数据管理,自动处理版本和血缘,减少手写管道代码
- 内置特征存储,支持在线/离线特征复用,加速模型迭代
- 原生支持多模态数据(图像、视频、文本),与 LLM/CV 工作流无缝衔接
不足之处
- 项目较新,生态和文档仍在完善中
- 对复杂自定义数据管道的灵活性可能不如纯代码方案
适用场景
- 构建多模态 RAG 应用,统一管理文档、图片和向量索引
- 计算机视觉项目中的数据集版本管理和特征工程
- 需要快速原型验证的 AI 应用,减少数据工程负担
替代项目
Feast、Hopsworks、Activeloop Deep Lake
同类项目推荐
llama3.java
开源
纯 Java 跑 Llama 3,不装 Python 也能本地推理
Llama 3+ inference in pure Java
token-limit
开源
盯紧 AI 上下文用量,超限自动提醒,省钱省心
Monitor how many tokens your code and configs consume in AI tools. Set budgets and g···
agentcat-python-sdk
开源
给 MCP 服务器装上监控眼,实时洞察 AI 代理调用。
AgentCat is an analytics platform for MCP server owners .
LLaMA_MPS
开源
在 Mac 上让 LLaMA 跑得更快,用上 GPU 加速推理。
Run LLaMA (and Stanford-Alpaca) inference on Apple Silicon GPUs.
d-inference
开源
把闲置 Mac 组成私有推理集群
Private Inference Network on Idle Macs
noronha
开源
用声明式管道搞定 ML 数据流程,快速上线模型
DataOps framework for Machine Learning projects.
ScalableVectorSearch
开源
用C++打造高性能向量搜索,快速找到相似项。
sd-webui-all-in-one
开源
一键安装管理多种AI绘图工具,省去折腾环境
支持安装、下载、启动和管理多种 AI WebUI / 训练工具的一体化项目,提供 Installer、整合···
metaflow-tools
开源
一键部署 Metaflow 生产环境,省心运维工作流平台
Tools and utilities for operating Metaflow in production