dvc

DVC (Data Version Control) é uma ferramenta de linha de comando e extensão do VS Code projetada para tornar projetos de machine learning reproduzíveis. Ela traz o controle de versão estilo Git para dados e modelos: artefatos de dados são armazenados em um cache fora do Git (em armazenamento na nuvem ou on-premise), enquanto arquivos meta leves no repositório Git rastreiam suas versões. Isso permite que equipes compartilhem conjuntos de dados e modelos grandes sem fazer check-in direto no Git. Principais recursos incluem: - Versionamento de dados e modelos: Armazene dados no S3, Azure, Google Cloud, SSH ou outros remotes, mantendo as informações de versão no Git. - Pipelines de ML leves: Defina gráficos de computação conectando código, dados e saídas. Quando ocorrem mudanças, apenas as etapas afetadas são re-executadas. - Rastreamento de experimentos local: Execute, filtre e compare experimentos por hiperparâmetros e métricas, com gráficos de visualização, tudo sem um servidor dedicado. - Colaboração: Compartilhe e reproduza automaticamente experimentos por meio de plataformas de hospedagem de Git existentes. DVC pode ser instalado via pip, conda, brew, choco, snap ou pacotes específicos da plataforma. Dependências opcionais fornecem suporte para backends de armazenamento remoto específicos (S3, Azure, GCS, OSS, SSH, Google Drive). A extensão do VS Code oferece uma GUI para rastreamento de experimentos e gerenciamento de dados. O projeto é distribuído sob a licença Apache 2.0.