dvc

DVC（数据版本控制）是一款命令行工具和VS Code扩展，旨在使机器学习项目具备可复现性。它将类似Git的版本控制引入数据和模型：数据制品存储在Git之外的缓存中（位于云或本地存储），而Git仓库中的轻量级元文件则跟踪其版本。这使得团队能够在不直接将大型数据集和模型提交至Git的情况下进行共享。 关键功能包括： - 数据与模型版本控制：将数据存储在S3、Azure、Google Cloud、SSH或其他远程位置，同时将版本信息保留在Git中。 - 轻量级机器学习流水线：定义连接代码、数据和输出的计算图。当发生变更时，仅重新运行受影响的步骤。 - 本地实验跟踪：无需专用服务器，即可通过超参数和指标运行、筛选及比较实验，并生成可视化图表。 - 协作：通过现有的Git托管平台共享实验并自动复现。 DVC可通过pip、conda、brew、choco、snap或平台专用包进行安装。可选依赖项为特定远程存储后端（S3、Azure、GCS、OSS、SSH、Google Drive）提供支持。VS Code扩展提供用于实验跟踪和数据管理的图形用户界面（GUI）。本项目采用Apache许可证2.0版发布。