treeverse/dvc

¿Qué es?

Funciones clave

• 01Versiona archivos de datos y modelos grandes mientras mantienes sus referencias en Git.
• 02Define pipelines reproducibles que solo vuelven a ejecutar las etapas afectadas por los cambios.
• 03Registra, compara y aplica experimentos localmente, sin necesidad de un servidor.
• 04Envía y descarga datos desde S3, Azure, Google Cloud, SSH y otros sistemas remotos.
• 05Usa una extensión de VS Code para el seguimiento de experimentos y la gestión de datos.

Casos de uso

• Compartir conjuntos de datos grandes con el equipo sin guardarlos en Git.
• Reproducir el entrenamiento del modelo de un compañero al cambiar a un commit y descargar sus datos.
• Ejecutar y comparar numerosos experimentos de hiperparámetros en un mismo repositorio de Git.
• Crear pipelines de ML de varios pasos que solo vuelvan a ejecutar lo que haya cambiado.

Inicio rápido

1. 1

   Instala DVC con pip

   pip install dvc
2. 2

   Haz seguimiento de una carpeta de datos con DVC dentro de un repositorio Git

   dvc add images/
3. 3

   Conecta el código y los datos como una etapa reproducible del pipeline

   dvc stage add -n featurize -d images/ -o features/ python featurize.py
4. 4

   Ejecuta un experimento y compara los resultados

   dvc exp run -n exp-baseline

Antes de usarlo

• !La instalación de backends opcionales de almacenamiento remoto, como S3 o Azure, requiere dependencias adicionales.
• !La extensión de VS Code requiere que la herramienta principal de DVC esté instalada por separado.

En colecciones

Temas

Preguntas frecuentes

¿Qué es dvc?

Herramienta de línea de comandos y extensión de VS Code para versionar datos y modelos junto con Git y ejecutar experimentos de ML reproducibles. DVC (Data Version Control) ayuda a los desarrolladores a crear proyectos de machine learning reproducibles. Los archivos de datos grandes y los modelos se almacenan en la nube o en almacenamiento remoto local, mientras que los archivos de metadatos ligeros que apuntan a ellos se guardan en el repositorio de Git, para mantener sincronizadas las versiones del código y los datos.

¿dvc es gratuito? ¿Qué licencia tiene?

dvc es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.

¿dvc sigue mantenido?

Mantenimiento activo. El último commit de dvc fue el 6 nov 2026.

¿Para qué puedo usar dvc?

Compartir conjuntos de datos grandes con el equipo sin guardarlos en Git. Reproducir el entrenamiento del modelo de un compañero al cambiar a un commit y descargar sus datos. Ejecutar y comparar numerosos experimentos de hiperparámetros en un mismo repositorio de Git. Crear pipelines de ML de varios pasos que solo vuelvan a ejecutar lo que haya cambiado.

¿Cómo se instala dvc?

Instala DVC con pip: pip install dvc Haz seguimiento de una carpeta de datos con DVC dentro de un repositorio Git: dvc add images/ Conecta el código y los datos como una etapa reproducible del pipeline: dvc stage add -n featurize -d images/ -o features/ python featurize.py Ejecuta un experimento y compara los resultados: dvc exp run -n exp-baseline

¿Dónde consigo dvc?

El código fuente y las instrucciones de instalación están en GitHub: https://github.com/treeverse/dvc