Skip to content

AI-change-the-world/AutoML-Studio

Repository files navigation

AutoML Studio

一套面向多模态数据集管理、标注、训练、部署和 AI 辅助标注的平台,覆盖图像、文本、图文对话和偏好标注等场景。

AutoML Studio

平台范围

  • 数据集管理:图像、文本、图文对话等数据
  • 标注工作台:检测、分类、分割、姿态、LLM/MLLM 对话、DPO 偏好标注
  • 训练服务:当前主要支持 YOLO 检测与分类训练
  • 部署服务:当前主要支持 ONNX 模型部署与推理
  • AI 辅助标注:图像理解、草稿标注、白框图生成与提取

可插拔能力

model_trainermodel_deployai_pipeline_runtime 是按需启用的扩展服务,不要求随核心平台一起常驻启动。后续新增训练后端、推理后端或 AI 能力时,可以继续按同样方式接入。

组成

  • frontend_v2: React + TypeScript 前端,Vite 开发,默认端口 3000
  • automl_server: 主业务 API,统一编排数据集、标注、任务、部署与 AI Pipeline,默认端口 45678
  • model_trainer: 可选训练服务,默认端口 8081
  • model_deploy: 可选部署服务,默认端口 8082
  • ai_pipeline_runtime: 可选 AI 能力运行时,默认端口 8010
  • 基础设施:MySQL、MinIO、RabbitMQ、Nacos

整体架构

flowchart TB
    B[Browser] --> F[frontend_v2\n:3000]
    F -->|/api| S[automl_server\n:45678]

    S --> DB[(MySQL)]
    S --> M[(MinIO)]
    S --> Q[(RabbitMQ)]
    S --> N[(Nacos)]
    S --> T[model_trainer\n:8081]
    S --> D[model_deploy\n:8082]
    S --> A[ai_pipeline_runtime\n:8010]

    T --> Q
    D --> Q
    A --> Q
    T --> N
    D --> N
    A --> N
Loading

目录

auto_ml/
├── frontend_v2/
├── automl_server/
├── model_trainer/
├── model_deploy/
├── ai_pipeline_runtime/
├── mysql/
├── nacos/
├── docker-compose.yml
├── docker-compose.dev.yml
└── .env.example

环境要求

  • Docker 20.10+
  • Docker Compose v2
  • Node.js ^20.19.0 || >=22.12.0
  • Python 3.10+
  • pnpm >=10

快速开始

1. 启动核心平台

cp .env.example .env
docker compose up -d

服务地址:

  • 前端:http://localhost:3000
  • 主服务 API:http://localhost:45678
  • Swagger UI:http://localhost:45678/swagger-ui
  • 训练服务:http://localhost:8081
  • 部署服务:http://localhost:8082
  • AI 运行时:http://localhost:8010
  • RabbitMQ:http://localhost:15672
  • MinIO:http://localhost:9010
  • Nacos:http://localhost:8848

子服务启用后,对应端口才会对外可用。

2. 本地开发

docker compose -f docker-compose.dev.yml up -d mysql rabbitmq minio nacos nacos-init

前端:

cd frontend_v2
pnpm install
pnpm dev

主服务:

cd automl_server
pip install -r requirements.txt
python run.py

按需启用的子服务:

  • model_trainer/server.py
  • model_deploy/server.py
  • ai_pipeline_runtime/app.py

配置

  • 根目录 .env.example 用于 docker-compose.yml
  • automl_server/.env.example 用于主服务本地直跑
  • frontend_v2/.env.example 用于前端开发和构建
  • nacos/automl-config.yaml 是 Nacos 配置源

文档

数据库

  • 初始化脚本:mysql/init/01_init_automl.sql
  • 迁移脚本:mysql/migrations/*.sql

运行说明

  • docker-compose.yml 会拉起核心平台,子服务按需启用
  • /api 由前端容器反向代理到主服务
  • 平台运行配置主要由 Nacos 提供,.env.example 用于本地开发和容器启动
  • 各服务 /health 会返回版本信息,子服务当前统一为 1.0.0

致谢

本项目基于以下开源项目构建:

About

I plan to create a tool for automatic generation of machine - learning datasets, model training, and evaluation.

Topics

Resources

License

Stars

Watchers

Forks

Packages

 
 
 

Contributors