operatorai/modelstore

解決的問題

消除在不同儲存後端之間儲存、版本化與管理機器學習模型所需的重複程式碼。提供一種標準化的方式來處理模型資產，而無需專用的追蹤伺服器。

工作原理

modelstore 是一個開源模型註冊表，可與多種儲存類型（如 AWS S3、GCP 儲存桶、Azure Blob 儲存、MinIO 或本地檔案系統）進行互動。它允許使用者從廣泛的機器學習庫上傳模型，上傳時自動進行版本化，並支援透過命令列工具直接將模型載入記憶體或下載。

適用對象

需要在多個雲端供應商或本地環境中，以簡單、無伺服器方式對模型進行版本控制與儲存的機器學習工程師與資料科學家。

主要亮點

• 無伺服器註冊表：無需專用追蹤伺服器；可直接與雲端儲存桶或本地磁碟協作。
• 多雲支援：相容 AWS、GCP 與 Azure。
• 廣泛的套件支援：支援 PyTorch、TensorFlow、Scikit-Learn、XGBoost、Hugging Face Transformers 等眾多套件。
• 生命週期管理：支援依領域組織模型並管理其狀態。