operatorai/modelstore

解决的问题

消除了在不同存储后端之间保存、版本化和管理机器学习模型所需的样板代码。提供了一种标准化的方式来处理模型资产，而无需专用的跟踪服务器。

工作原理

modelstore 作为一个开源模型注册表，与多种存储类型（如 AWS S3、GCP 存储桶、Azure Blob 存储、MinIO 或本地文件系统）进行交互。它允许用户从广泛的机器学习库上传模型，上传时自动进行版本化，并支持通过命令行工具直接将模型加载回内存或下载。

适用人群

需要在多个云提供商或本地环境中以简单、无服务器方式对模型进行版本控制和存储的机器学习工程师和数据科学家。

主要亮点

• 无服务器注册表：无需专用跟踪服务器；可直接与云存储桶或本地磁盘协作。
• 多云支持：兼容 AWS、GCP 和 Azure。
• 广泛库支持：支持 PyTorch、TensorFlow、Scikit-Learn、XGBoost、Hugging Face Transformers 等众多库。
• 生命周期管理：支持按领域组织模型并管理其状态。