适用于Python的简约MLOps库
项目描述
modelkit
Python框架，用于生产级机器学习系统。
modelkit 是一个专为Python构建的极简且强大的MLOps库，旨在帮助用户将机器学习模型部署到生产环境。
它包含了许多特性，简化了将模型部署到生产的过程，并确保相同的代码可以在生产环境中运行，无论是在您的机器上还是在数据处理管道中。
快速入门
modelkit 提供了一种简单且一致的方法，将预测代码封装在 Model 类中
from modelkit import Model
class MyModel(Model):
def _predict(self, item):
# This is where your prediction logic goes
...
return result
请务必查看我们的教程，地址为 文档。
特性
将预测代码封装在 modelkit 中可以立即访问所有功能
- 快速 模型预测可以批量处理以提高速度（您定义批量逻辑），同时开销最小。
- 可组合 模型可以依赖于其他模型，并以您需要的任何方式评估它们
- 可扩展 模型可以依赖于任意支持配置文件，称为 assets，这些文件托管在本地或云对象存储上
- 类型安全 模型的输入和输出可以通过 pydantic 验证，您将为预测获得类型注释，并在开发期间使用静态类型分析工具捕获错误。
- 异步 模型支持异步和同步预测函数。
modelkit支持从同步代码调用异步代码，因此您不必忍受部分异步代码。 - 可测试 模型携带自己的单元测试用例，并且提供了用于 pytest 的单元测试框架。
- 快速部署 模型可以使用单个 CLI 调用通过 fastapi 提供服务
此外，您会发现 modelkit 是
- 简单 使用 pip 安装
modelkit，它只是一个Python库。 - 健壮 遵循软件开发最佳实践：版本和测试所有配置和工件。
- 可定制 超越现成的模型：自定义处理、启发式算法、业务逻辑、不同的框架等。
- 框架无关 带上您自己的框架，并使用您想要的任何代码或库。
modelkit对您构建或训练模型的方式没有偏见。 - 有组织 版本和分享您的机器学习库和工件，作为Python包或作为服务。让其他人使用和评估您的模型！
- 快速编码 只需编写预测逻辑即可。无需繁琐的预处理或后处理逻辑，分支选项等...样板代码最少且合理。
安装
使用 pip 安装最新稳定版本
pip install modelkit
可选依赖项可用于远程存储提供商（见文档）
modelkit >= 0.1 现在已与 pydantic 2 一起发货，带来了显著的性能改进 🎉 ⚡
您可以通过参考 modelkit 迁移说明 来简化迁移过程！
社区
加入我们的 社区 在 Discord 上获取支持并留下反馈
本地安装
贡献者，如果您想本地安装和测试
# install
make setup
# lint & test
make tests
下载文件
下载适合您平台的文件。如果您不确定选择哪个，请了解有关安装包的更多信息。
源代码分发
本发布没有提供源代码分发文件。请参阅生成分发归档教程。
构建分发
modelkit-0.1.2-py3-none-any.whl (78.7 kB 查看哈希值)