数据版本化：如何开始使用DVC控制数据版本？

全文共1957字，预计学习时长5分钟

 

图源：unsplash

在软件项目工作中，立即开始对代码进行版本控制是非常常见的行为，并且实际上已经是一种标准了。它的好处对于软件社区来说已经非常明显：跟踪特定代码存储库中对代码的每一次修改。如果出现任何错误，开发人员总是可以跨越时间，比较代码的早期版本以解决问题，同时最大限度地减少对所有团队成员的干扰。

 

软件项目的代码是最宝贵的资产，因此必须不惜一切代价加以保护。对于数据科学项目来说，数据也可以被视为王冠上的宝石，那么为什么作为数据科学家，不通过版本控制来将其视为最宝贵的东西呢？

 

对于那些熟悉Git的人可能会想，Git不能处理大文件和目录，至少它不能像处理小代码文件那样具有相同的性能。那么，怎样才能像版本控制代码那样对数据进行版本控制呢？

 

如今这是能够实现的，而且很简单，只需输入git clone并查看保存在工作空间中的数据文件和机器学习模型文件，所有这些魔术都可以通过DVC实现。

 

快速上手DVC