DVC 简介

DVC 数据版本管理入门

Ravi Bhadauria

Machine Learning Engineer

Git 作为版本控制

代码版本控制系统
独立本地开发
- 分支与合并
- 版本历史管理
促进协作

Git 去中心化模型示意图

Git 作为版本控制

基于 CLI 的交互
运行于终端（shell）
Git 通过仓库跟踪内容
- 需跟踪的实际文件/文件夹
- Git 元数据（在 .git 文件夹）

Git 仓库结构示意图

数据版本控制（DVC）

DVC：数据版本控制工具
- 管理数据与实验
- 与 Git 类似

使用 Git 和 DVC 进行数据版本控制的概念图.png

Git 跟踪元数据，DVC 处理数据版本

Git 与 DVC 命令行

Git

在工作文件夹初始化仓库

$ git init

将文件加入仓库（暂存变更）

$ git add code.py

提交变更（写入版本历史）

$ git commit -m "adding first file"

DVC

在工作文件夹初始化 DVC 仓库

$ dvc init

将数据文件加入 DVC

$ dvc add data/mydata.csv

更新所有已跟踪的数据文件

$ dvc commit

Git 与 DVC 命令行

Git

将代码变更推送到远程服务器

$ git push

从远程拉取变更

$ git pull

从远程（Github）克隆现有仓库

$ git clone \
https://github.com/username/repository-name.git

DVC

将数据变更推送到远程数据服务器

$ dvc push

同步您的 DVC 项目

$ dvc pull

下载由 DVC 跟踪的文件或目录

$ dvc get \
https://github.com/username/repo-name model.pkl

开始练习！

DVC 数据版本管理入门

Preparing Video For Download...