管理 ML 模型，作为
安全
软件供应链的一部分

为 ML 模型创建一个单一的记录系统，使
ML/AI 开发与您现有的
SDLC 保持一致。 ML 模型管理（现在处于测试版）允许
您存储第一方模型和代理 Hugging
Face，并扫描安全和许可证问题。
申请demo演示

统一 ML、Dev、Sec 和 Ops

将 AI/ML 模型的管理与 pypi、CRAN、Conan、Conda 和其他软件组件一起带来，以便对您正在构建和发布的软件进行
统一查看。 将用于包
管理的最佳做法应用于模型管理。

受益于

将您的所有软件组件放在一个位置

代理 Hugging Face，确保您所依赖的模型可用

增强了 ML 模型的控制、可追溯性和安全性

集成的恶意模型检测和许可证合规性

使用现有工具标准化 MLOps 流程

大规模模型管理

与 Git 和单点式解决方案不同，利用 JFrog 进行模型管理可以提供最佳的性能、可扩展性和对大型二进制文件的优化处理。

为支持世界的
软件提供支持

我们的流式软件愿景，就是将软件包无缝且安全地从任意源分发到任意设备。

开始试用 预订演示

其他资源

博客
阅读关于 ML 模型管理的博客
立即阅读
文档
浏览技术文档
立即阅读
进一步阅读
探索 JFrog Artifactory
立即阅读
常见问题
JFrog 支持哪些 Model 制品库/zoo API 接口？
JFrog 目前支持将 Hugging Face 作为模型制品库。 组织可以通过本地转发上传他们的专有或修改模型，也可以通过第三方模型的远程转发上传代理 Hugging Face。
JFrog 支持哪些模型文件格式？
JFrog 支持所有文件格式（如 pkl、onnyx）和框架，作为 Hugging Face 的衍生物。
JFrog Hugging Face 本地制品库支持联盟吗？
是的，模型和数据文件将包含在联合体中。
JFrog 是否充当机器学习模型制品库或注册中心？
JFrog 充当 ML 模型注册中心，将 Artifactory 和 Xray 的所有优点应用于组织的模型。