ONNX项目从Azure DevOps迁移到GitHub Actions的实践
在开源项目的持续集成(CI)实践中,选择合适的CI/CD平台对于提高开发效率和构建质量至关重要。ONNX项目团队近期完成了从Azure DevOps到GitHub Actions的迁移工作,这一转变带来了诸多优势。
迁移背景
ONNX作为一个开放的神经网络交换格式项目,其持续集成系统需要支持跨平台构建、测试和验证。原本使用的Azure Pipelines虽然功能完善,但与GitHub的集成度不如原生GitHub Actions紧密。迁移后,团队可以更直接地管理CI流程,减少配置复杂度,同时获得更快的构建速度。
技术实现要点
迁移过程中,团队重点关注了以下几个技术环节:
-
工作流定义转换:将原有的Azure Pipelines YAML配置转换为GitHub Actions的工作流文件格式。GitHub Actions使用类似的YAML语法,但结构和部分语法有所不同。
-
矩阵构建支持:ONNX需要支持多平台、多版本的测试。GitHub Actions的矩阵策略(matrix strategy)被用来替代Azure Pipelines的并行作业配置,实现了更简洁的多环境测试定义。
-
缓存机制优化:利用GitHub Actions的缓存功能优化依赖下载和构建中间结果的存储,显著减少了构建时间。
-
Artifacts管理:重新设计了构建产物的上传和下载流程,利用GitHub提供的Artifacts存储替代Azure的对应功能。
迁移后的优势
完成迁移后,ONNX项目获得了以下改进:
- 更紧密的GitHub集成:所有开发活动都可以在GitHub界面中完成,无需切换平台查看CI结果。
- 更快的反馈循环:GitHub Actions的启动速度和执行效率更高,开发者可以更快获得构建反馈。
- 更简单的配置管理:CI配置与代码库直接关联,修改和版本控制更加直观。
- 更低的维护成本:减少了跨平台配置的复杂性,简化了权限管理和团队协作流程。
经验总结
这次迁移为ONNX项目团队积累了宝贵的经验:
-
渐进式迁移:采用分阶段迁移策略,先迁移非关键路径的CI任务,验证稳定后再迁移核心构建流程。
-
监控与比较:在过渡期同时运行两套系统,对比构建结果确保一致性。
-
文档更新:及时更新项目贡献指南,帮助新贡献者适应新的CI系统。
-
性能调优:针对GitHub Actions的特点优化构建脚本,如合理设置缓存键、拆分长耗时任务等。
ONNX项目的这次CI平台迁移实践,为其他考虑从Azure DevOps转向GitHub Actions的开源项目提供了有价值的参考。这种迁移不仅提升了开发体验,也为项目未来的扩展奠定了更灵活的基础。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00