# ormb **Repository Path**: mirrors/ormb ## Basic Information - **Project Name**: ormb - **Description**: ormb（OCI-Based Registry for ML/DL Model Bundle）是基于镜像仓库的机器学习模型分发组件，旨在帮助企业像管理容器镜像一样管理机器学习模型 - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: https://www.oschina.net/p/ormb - **GVP Project**: No ## Statistics - **Stars**: 3 - **Forks**: 0 - **Created**: 2020-07-09 - **Last Updated**: 2025-12-13 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README

[![Build Status](https://travis-ci.com/kleveross/ormb.svg?branch=master)](https://travis-ci.com/kleveross/ormb) [![Coverage Status](https://coveralls.io/repos/github/kleveross/ormb/badge.svg?branch=master)](https://coveralls.io/github/kleveross/ormb?branch=master) [English](./README.md) | 中文 `ORMB` 是一个用于管理机器学习模型的开源模型仓库。 `ORMB` 通过镜像仓库来分发模型，可以帮助用户更好的管理他们的机器学习 / 深度学习模型。通过 `ORMB`，模型能更易于创建、版本化、共享以及发布。 ## 入门指南 您可以查看我们的使用示例视频或阅读下面的文字版说明。 [![asciicast](https://asciinema.org/a/345812.svg)](https://asciinema.org/a/345812) 打开本地满足 `ORMB` 规范的模型文件夹（有关 `ormbfile.yaml` 的说明详见 [文档](/docs/docs_zh/README.md#什么是-ormbfile？)）： ```bash # 查看本地文件目录结构 $ tree examples/SavedModel-fashion examples/SavedModel-fashion ├── model │   ├── saved_model.pb │   └── variables │   ├── variables.data-00000-of-00001 │   └── variables.index ├── ormbfile.yaml └── training-serving.ipynb 2 directories, 5 files ``` 接下来，我们可以将在本地训练好的模型推送到远端镜像仓库中： ```bash # 将模型目录中的文件保存在本地文件系统的缓存中 $ ormb save gaocegege/fashion_model:v1 ref: gaocegege/fashion_model:v1 digest: 6b08cd25d01f71a09c1eb852b3a696ee2806abc749628de28a71b507f9eab996 size: 162.1 KiB format: SavedModel v1: saved # 将保存在缓存中的模型推送到远端仓库中 $ ormb push gaocegege/fashion_model:v1 The push refers to repository [gaocegege/fashion_model] ref: gaocegege/fashion_model:v1 digest: 6b08cd25d01f71a09c1eb852b3a696ee2806abc749628de28a71b507f9eab996 size: 162.1 KiB format: SavedModel v1: pushed to remote (1 layer, 162.1 KiB total) ``` 以 [Harbor](https://github.com/goharbor/harbor) 为例，在 Harbor 镜像仓库中，我们可以看到这一模型的元数据等。

随后，我们可以在服务器上将模型下载下来。下载的过程也与推送到镜像仓库的方法类似。 ```bash # 从远端仓库拉取到服务器的本地缓存 $ ormb pull gaocegege/fashion_model:v1 v1: Pulling from gaocegege/fashion_model ref: gaocegege/fashion_model:v1 digest: 6b08cd25d01f71a09c1eb852b3a696ee2806abc749628de28a71b507f9eab996 size: 162.1 KiB Status: Downloaded newer model for gaocegege/fashion_model:v1 # 将本地缓存的模型导出到当前目录 $ ormb export gaocegege/fashion_model:v1 ref: localhost/gaocegege/fashion_model:v1 digest: 6b08cd25d01f71a09c1eb852b3a696ee2806abc749628de28a71b507f9eab996 size: 162.1 KiB # 查看本地文件目录结构 $ tree examples/SavedModel-fashion examples/SavedModel-fashion ├── model │   ├── saved_model.pb │   └── variables │   ├── variables.data-00000-of-00001 │   └── variables.index ├── ormbfile.yaml └── training-serving.ipynb 2 directories, 5 files ``` ## 安装 ### 安装镜像仓库 `ORMB` 使用镜像仓库存储模型，您可以选择 [安装 Harbor](https://github.com/goharbor/harbor-helm) 或者 [使用 Docker Registry](https://docs.docker.com/registry/deploying/)。此处推荐使用 Harbor。 ### 安装 `ORMB` 您可以安装预编译的二进制文件，或是从源代码进行编译。 #### 安装二进制文件 从 [releases](https://github.com/kleveross/ormb/releases) 页面中下载预编译的二进制文件并且将其复制到所需的位置。 #### 从源代码编译 下载源码: ``` $ git clone https://github.com/kleveross/ormb $ cd ormb ``` 安装依赖: ``` $ go mod tidy ``` 编译: ``` $ make build-local ``` 验证运行: ``` $ ./bin/ormb --help ``` ## 深入了解 ### 为什么选择 `ORMB`？ 详见 [`ormb` 介绍](/docs/docs_zh/introduction.md)。 ### 官方文档 详见 [`ormb` 文档](/docs/docs_zh/README.md) ### 使用教程 * 使用 `ormb` 和 Docker 镜像仓库分发模型：[tutorial.md](docs/tutorial.md) * 使用 `Seldon Core` 启动模型服务：[tutorial-serving-seldon.md](docs/tutorial-serving-seldon.md) ### OCI 模型配置规范 请查阅 [spec_v1alpha1.md](docs/spec-v1alpha1.md) ## 社区 `ormb` 是 Klever 云原生机器学习平台的子项目。 Klever 的 Slack 是 klever.slack.com，请点击 [邀请链接](https://join.slack.com/t/kleveross/shared_invite/zt-g0eoiyq9-9OwiI7c__oV79bh_94MyTw) 加入 Slack 讨论。