ml_in_production

看多种ML模型部署方式,选型不踩坑

这是一个机器学习模型生产化部署的演示集合,旨在展示将训练好的模型部署到生产环境的多种方法。项目解决了ML工程师在模型上线时面临的工程化难题,如API服务搭建、批处理推理、流式处理等。核心能力包括提供不同部署方式的代码示例,覆盖从简单的Flask API到更复杂的Kubernetes或Serverless架构,帮助开发者理解并选择适合自身场景的部署方案。项目处于早期阶段,代码结构清晰,适合作为学习参考。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 61
维护状态 低维护
是否开源
定价模式 free

项目数据

分类基础设施
开发团队tuvovan
所属国家
官网地址
定价模式free
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态
是否开源
开源协议
主要语言Python
技术栈/模型deep-learning,docker,fastapi,machine-learning,mlops,nginx,rest-api,tfserving,uwsgi-nginx-docker
GitHub 星标★ 61
30天Star增速
HF 下载量
上线时间2021-09-22 00:00:00
最近更新2025-11-19 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7

使用教程

核心亮点

  • 覆盖多种部署方法,对比学习效率高
  • 代码示例直接可用,降低上手门槛
  • 聚焦生产环境,实用性强于纯理论

不足之处

  • 项目处于早期,示例覆盖场景有限
  • 文档/社区待观察

适用场景

  • 学习ML模型部署的多种技术选型
  • 快速搭建模型API服务原型
  • 对比批处理与实时推理的工程实现

替代项目

MLflow、BentoML、Seldon Core

项目介绍

ml_in_production 是基础设施领域的开源项目,由 tuvovan 开发,2021 年首次发布。

它收录于基础设施分类,该分类目前共有 1,130 个项目,GitHub 星标数为 61。

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 2025-11-19。无在线服务,需自行部署,完全免费。

它主要面向的使用场景是:学习ML模型部署的多种技术选型。同类可对比的替代方案包括 MLflow、BentoML、Seldon Core。

上一篇:whylogs-java

下一篇:inferoxy

同类项目推荐

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···

★ 213 2026-08-20
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

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
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···

★ 181484 2026-08-09