DVC instellen en initialiseren

Introductie tot dataversiebeheer met DVC

Ravi Bhadauria

Machine Learning Engineer

Installatie

DVC is een Python-pakket
- Universeel te installeren met pip

$ pip install dvc

Installeer bij voorkeur in virtual environments
Zorg dat Git is geïnstalleerd

Installatie verifiëren

$ dvc version

DVC versie: 3.40.1 (pip)

Platform: Python 3.9.16 op macOS-14.2.1-arm64-arm-64bit

Config:
    Globaal: /Users/<username>/Library/Application Support/dvc
    Systeem: /Library/Application Support/dvc

Repo: dvc, git

¹ https://dvc.org/doc/command-reference/version

DVC initialiseren

Zorg dat Git is geïnitialiseerd

$ git init

Initialized empty Git repository in /path/to/repo/.git/

Initialiseer DVC in de repository

$ dvc init

Initialized DVC repository.

You can now commit the changes to git.

¹ https://dvc.org/doc/command-reference/init

Verborgen DVC-bestanden

Initialisatie maakt interne bestanden die je met Git moet tracken

$ git status

Changes to be committed:
  (use "git rm --cached <file>..." to unstage)
    new file:   .dvc/.gitignore
    new file:   .dvc/config
    new file:   .dvcignore

Commit de wijzigingen

$ git commit -m "initialized dvc"

Bestand .dvcignore

Vergelijkbaar met .gitignore
- Zelfde patroon/syntax
- Geef bestanden/mappen op die DVC negeert
Handig bij veel data die je niet nodig hebt
- Versnelt DVC-commando's

¹ https://dvc.org/doc/user-guide/project-structure/dvcignore-files ² https://git-scm.com/docs/gitignore

Voorbeeld

# .dvcignore
# Negeer alle bestanden in de map 'data'
data/*


# Maar negeer 'data/data.csv' niet
!data/data.csv


# Negeer alle .tmp-bestanden
*.tmp

¹ https://dvc.org/doc/user-guide/project-structure/dvcignore-files

Genegeerde bestanden controleren

Gebruik het commando dvc check-ignore

$ dvc check-ignore data/file.txt

data/file.txt

Gebruik met -d voor details

$ dvc check-ignore -d data/file.txt

.dvcignore:3:data/*    data/file.txt

¹ https://dvc.org/doc/command-reference/check-ignore

Samenvatting

Installeer DVC met pip install dvc
Controleer versie, platform enz. van DVC
- dvc version
DVC initialiseren in de workspace
- dvc init
- Initialiseert Git eerst
.dvcignore specificeert uit te sluiten bestanden
- Lijkt op .gitignore, zelfde syntax
- Check of een bestand is uitgesloten
  - dvc check-ignore <filename>

Laten we oefenen!

Introductie tot dataversiebeheer met DVC