Grattis!

Introduktion till dataversionshantering med DVC

Ravi Bhadauria

Machine Learning Engineer

Dataversionshantering och DVC

Uppbyggnad av en maskininlärningsmodell
- Kod, data och hyperparametrar definierar en modell exakt
- Alla tre behöver spåras och versionshanteras
Git och DVC
- Git spårar kod, DVC spårar data
- Git lagrar metadata om den faktiska datan
DVC ger oss möjlighet att
- Versionera data och modeller
- Köra reproducerbara experimentpipelines
- Spåra förändringar i mätvärden och diagram

Installation
- Installera med pip install dvc
- Initiera med dvc init
- Använd .dvcignore för att styra vilka filmönster som spåras
Cache
- Lägg till filer med dvc add
- Spåra metadata med .dvc-filer
- Ta bort med dvc remove, rensa med dvc gc
Fjärrlagring
- Konfigurera med dvc remote add, lista med dvc remote list
- Ladda upp och ned data med dvc push och dvc pull

Uppbyggnad av dvc.yaml-filen
- Använd dvc stage add för att lägga till steg
- Komponenter inkluderar steps, commands, dependencies, params och outputs
- Spåra mätvärden och diagram med nycklarna metrics och plots
Visualisera och kör DAG
- Visualisera med dvc dag
- Kör med dvc repro
Visa och jämför mätvärden och diagram
- Visualisera med dvc plots show och dvc metrics show
- Jämför med dvc plots diff och dvc metrics diff

Introduktion till dataversionshantering med DVC