dvc

DVC (Data Version Control) es una herramienta de línea de comandos y una extensión de VS Code diseñada para hacer reproducibles los proyectos de aprendizaje automático. Proporciona control de versiones similar a Git para datos y modelos: los artefactos de datos se almacenan en una caché fuera de Git (en la nube o en almacenamiento local) mientras que archivos meta ligeros en el repositorio Git rastrean sus versiones. Esto permite a los equipos compartir grandes conjuntos de datos y modelos sin incorporarlos directamente en Git. - Versionado de datos y modelos: Almacenar datos en S3, Azure, Google Cloud, SSH u otros remotos, manteniendo la información de versiones en Git. - Pipelines de ML ligeros: Definir grafos computacionales que conectan código, datos y resultados. Cuando se producen cambios, solo se vuelven a ejecutar los pasos afectados. - Seguimiento local de experimentos: Ejecutar, filtrar y comparar experimentos por hiperparámetros y métricas, con gráficos de visualización, todo sin un servidor dedicado. - Colaboración: Compartir y reproducir automáticamente experimentos a través de plataformas de alojamiento Git existentes. DVC se puede instalar mediante pip, conda, brew, choco, snap o paquetes específicos de cada plataforma. Las dependencias opcionales proporcionan soporte para backends de almacenamiento remoto específicos (S3, Azure, GCS, OSS, SSH, Google Drive). La extensión de VS Code ofrece una interfaz gráfica para el seguimiento de experimentos y la gestión de datos. El proyecto se distribuye bajo la Licencia Apache 2.0.