用MNIST示例快速上手MLflow+FastAPI+Streamlit的MLOps全流程
这是一个用于学习MLOps实践的示例项目，基于MNIST手写数字识别任务，演示了如何将MLflow、Streamlit和FastAPI整合到机器学习工作流中。项目包含模型训练、实验跟踪、模型服务与前端展示等核心环节，解决了从模型开发到部署上线过程中工具链割裂的问题。通过MLflow管理实验记录与模型版本，FastAPI提供高性能的推理API，Streamlit构建交互式预测界面，形成了一套完整的训练-评估-部署闭环。代码结构清晰，适合作为入门MLOps的参考模板。
mlflow-examples、fastapi-ml-template、streamlit-ml-demo
mnist-mlops-learning 是模型训练领域的开源项目，由 zademn 开发，2021 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 108。
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 2026-04-14。本地部署，完全免费。
它主要面向的使用场景是：学习MLOps工具链的入门教学。同类可对比的替代方案包括 mlflow-examples、fastapi-ml-template、streamlit-ml-demo。
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
