端到端计算机视觉平台

在一个统一的平台上完成标注、构建、训练、调优、部署和自动化，该平台可在任何云环境及本地运行。

https://user-images.githubusercontent.com/1211823/116489376-afc60000-a849-11eb-8e8b-b0c64c07c144.mp4

为什么选择Onepanel？

快速入门

请参阅快速入门指南，开始使用。

社区

如需提交功能请求、报告错误或文档问题，请在GitHub上打开拉取请求或问题。

贡献

Onepanel采用模块化设计，由多个仓库组成。

更多贡献指南，请参阅贡献指南以及各仓库中的CONTRIBUTING.md文件。

致谢

Onepanel在底层无缝集成了以下开源项目：

Argo | Couler | CVAT | JupyterLab | NNI

我们感谢这些社区的支持，并尽最大努力回馈社区。

许可证

Onepanel采用Apache 2.0许可证。

Onepanel 快速上手指南

Onepanel 是一个端到端的计算机视觉平台，支持在任意云端或本地环境中进行数据标注、模型构建、训练、调优、部署及自动化流程管理。

环境准备

在开始之前，请确保您的环境满足以下要求：

• 操作系统：Linux (推荐 Ubuntu 18.04/20.04+) 或 macOS。
• Kubernetes 集群：需要拥有一个正在运行的 Kubernetes 集群 (v1.16+)。
  • 本地开发推荐使用：minikube, kind, 或 k3s。
  • 生产环境推荐使用：EKS, GKE, AKS 或自建集群。
• 前置依赖：
  • kubectl：用于与集群交互的命令行工具。
  • helm (v3+)：Onepanel 使用 Helm Chart 进行部署。
  • 存储类 (StorageClass)：集群需配置默认的动态存储供应器（如 AWS EBS, GCP PD, NFS 等），用于持久化数据。

提示：国内用户若使用 minikube 或拉取 Docker 镜像受阻，建议配置阿里云或腾讯云的镜像加速器。

安装步骤

1. 添加 Onepanel Helm 仓库

helm repo add onepanel https://onepanelio.github.io/core
helm repo update

国内加速建议：如果上述命令执行缓慢，可尝试使用国内镜像源（如有社区维护）或配置 HTTP_PROXY。

2. 创建命名空间

kubectl create namespace onepanel

3. 安装 Onepanel Core

执行以下命令在 onepanel 命名空间中安装核心组件：

helm install onepanel-core onepanel/onepanel-core -n onepanel

安装过程中，Onepanel 会自动部署其依赖的开源项目（如 Argo Workflows, CVAT, JupyterLab 等）。

4. 获取访问地址

安装完成后，查看服务状态并获取访问入口：

kubectl get svc -n onepanel

找到名为 onepanel-core-ui 的服务。如果是本地集群（如 minikube），可通过以下命令开启端口转发直接访问：

kubectl port-forward svc/onepanel-core-ui -n onepanel 8080:80

随后在浏览器中打开 http://localhost:8080。首次登录时，系统会引导您创建管理员账户。

基本使用

登录 Onepanel UI 后，您可以立即开始计算机视觉工作流：

1. 创建工作空间 (Workspace)：

   • 点击 "Workspaces" -> "New Workspace"。
   • 选择预置模板（例如 "JupyterLab + CVAT"），这将为您启动一个包含标注工具和开发环境的容器。

2. 数据标注：

   • 进入启动后的 JupyterLab 或 CVAT 界面。
   • 上传图像数据集，使用 CVAT 工具进行边界框或多边形标注。

3. 训练模型：

   • 在 Onepanel 仪表盘选择 "Workflows"。
   • 创建一个基于 TensorFlow 或 PyTorch 的训练任务，挂载已标注的数据集路径。
   • 平台将自动调用底层 Argo 工作流引擎执行训练。

4. 部署模型：

   • 训练完成后，将生成的模型文件注册到模型库。
   • 一键部署为 REST API 端点，供应用程序调用。

更多详细功能文档请访问 Onepanel 官方文档。