📢 转载信息
原文链接：https://www.kdnuggets.com/10-github-repositories-to-master-machine-learning-deployment
原文作者：Abid Ali Awan
Image by Author
# 引言
您可能已经在大学或工作中训练了无数的机器学习模型，但您是否部署过一个能让任何人都可以通过API或Web应用使用的模型呢？部署是将模型转化为产品的关键环节，也是现代机器学习中最有价值（却常被低估）的技能之一。
在本文中，我们将探索10个用于掌握机器学习部署的GitHub仓库。这些社区驱动的项目、示例、课程和精选资源列表将帮助您学习如何打包模型、通过API暴露模型、部署到云端，以及构建您可以实际发布和共享的、由机器学习驱动的真实世界应用。
// 1. MLOps Zoomcamp
仓库：DataTalksClub/mlops-zoomcamp
该仓库提供了MLOps Zoomcamp，一个为期9周的免费课程，专门讲解如何将ML服务投入生产。
您将通过6个结构化模块、动手实践研讨会和最终项目，学习从训练到部署和监控的MLOps基础知识。该课程提供基于同伴学习的方式（2025年5月5日开始）或自定进度的学习模式，并为具备Python、Docker和ML基础知识的学习者提供Slack社区支持。
// 2. Made With ML
该仓库提供了一个生产级的ML课程，教您如何构建端到端的ML系统。
您将学习从实验跟踪到模型服务的MLOps基础知识；实现用于持续部署的CI/CD管道；使用Ray/Anyscale扩展工作负载；并部署可靠的推理API——通过经过测试的、经过软件工程优化的Python脚本，将ML实验转化为可投入生产的应用程序。
// 3. 机器学习系统设计
仓库：chiphuyen/machine-learning-systems-design
该仓库提供了一本关于机器学习系统设计的手册，涵盖了项目设置、数据管道、建模和服务。
您将通过来自大型科技公司的案例研究学习实用原则；探索27个开放式面试问题及其社区贡献的答案；并发现构建生产级ML系统的资源。
// 4. 生产级深度学习指南
仓库：alirezadir/Production-Level-Deep-Learning
该仓库提供了生产级深度学习系统设计的指南。
您将通过来自主要科技公司ML工程师的实用资源和真实案例研究，学习四个关键阶段：项目设置、数据管道、建模和服务。该指南包括27个带有社区贡献答案的开放式面试问题。
// 5. 生产中的深度学习书籍
仓库：The-AI-Summer/Deep-Learning-In-Production
该仓库提供了《生产中的深度学习》，一本关于构建稳健ML应用的综合性书籍。
您将学习编写和测试DL代码的最佳实践、构建高效的数据管道、使用Flask/uWSGI/Nginx服务模型、使用Docker/Kubernetes进行部署，以及使用TensorFlow Extended和Google Cloud实现端到端MLOps。它非常适合进入DL领域的软件工程师、软件背景有限的研究人员以及寻求生产技能的ML工程师。
// 6. 机器学习 + Kafka Streams 示例
仓库：kaiwaehner/kafka-streams-machine-learning-examples
该仓库演示了如何使用Apache Kafka及其Streams API将分析模型部署到生产环境。
您将学习如何将TensorFlow、Keras、H2O和DeepLearning4J模型集成到可扩展的流式处理管道中；实现飞行延误预测和图像识别等关键任务，并包含单元测试；以及利用Kafka的生态系统来构建稳健、生产级的ML基础设施。
// 7. NVIDIA Tensor Cores 的深度学习示例
仓库：NVIDIA/DeepLearningExamples
该仓库提供了针对Volta、Turing和Ampere GPU上的NVIDIA Tensor Cores进行了优化的最先进深度学习示例。
您将学习如何使用PyTorch和TensorFlow等框架，在计算机视觉、NLP、推荐系统和语音等领域训练和部署高性能模型；利用自动混合精度（Automatic Mixed Precision）、多GPU/节点训练以及TensorRT/ONNX转换来实现最大的吞吐量。
// 8. 生产级机器学习精选
仓库：EthicalML/awesome-production-machine-learning
该仓库精选了用于生产机器学习的开源库的综合列表。
您将通过分类工具列表学习如何驾驭MLOps生态系统；使用内置搜索工具发现用于部署、监控和扩展的解决方案；并通过涵盖从AutoML到模型服务的每月社区更新来保持知识更新。
// 9. MLOps 课程
该仓库提供了一个全面的MLOps课程，引导您完成从ML实验到生产部署的整个过程。
您将学习如何遵循软件工程最佳实践来构建生产级ML应用；使用Python、Docker和云平台扩展工作负载；通过实验跟踪、编排、模型服务和监控来实现端到端管道；并创建用于持续训练和部署的CI/CD工作流。
// 10. MLOps 入门
该仓库精选了必要的MLOps资源，以帮助您提升部署ML模型的能力。
您将通过博客、书籍和论文了解MLOps工具生态系统、数据中心AI原则和生产系统设计；发现用于动手实践的社区资源和课程；并为创建可扩展、负责任的机器学习基础设施奠定基础。
仓库地图
下面是一个快速比较表，帮助您了解每个仓库在更广泛的ML部署生态系统中的位置：
| 仓库 | 类型 | 主要关注点 |
|---|---|---|
| DataTalksClub/mlops-zoomcamp | 结构化课程 | 端到端MLOps：从训练到部署和监控，提供为期9周的路线图 |
| GokuMohandas/Made-With-ML | 生产级ML课程 | 生产级ML系统、CI/CD、可扩展服务 |
| chiphuyen/machine-learning-systems-design | 手册 + 问答 | ML系统设计基础、权衡、面试场景 |
| alirezadir/Production-Level-Deep-Learning | 指南 | 生产级DL设置、数据管道、建模、服务 |
| The-AI-Summer/Deep-Learning-In-Production | 书籍 | 稳健的DL应用：测试、管道、Docker/Kubernetes、TFX |
| kaiwaehner/kafka-streams-machine-learning-examples | 代码示例 | 使用Apache Kafka和Kafka Streams进行实时/流式ML |
| NVIDIA/DeepLearningExamples | 高性能示例 | 针对NVIDIA Tensor Cores的GPU优化训练与推理 |
| EthicalML/awesome-production-machine-learning | 精选列表 | 用于部署、监控和扩展的精选工具 |
| GokuMohandas/mlops-course | MLOps课程 | 从实验到生产管道、编排、服务和监控 |
| dair-ai/MLOPs-Primer | 资源入门 | MLOps基础、数据中心AI、生产系统设计 |
Abid Ali Awan (@1abidaliawan) 是一位认证的数据科学专业人士，热爱构建机器学习模型。目前，他专注于内容创作和撰写有关机器学习和数据科学技术的技术博客。Abid拥有技术管理硕士学位和电信工程学士学位。他的愿景是为在心理健康方面有困难的学生构建一个使用图神经网络的AI产品。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区