treeverse/dvc

これは何？

主な機能

• 01Gitにはポインターを保持しながら、大容量のデータファイルやモデルをバージョン管理する。
• 02変更の影響を受けるステージだけを再実行する、再現可能なパイプラインを定義する。
• 03サーバーを使わず、ローカルで実験を追跡、比較、適用する。
• 04S3、Azure、Google Cloud、SSHなどのリモートストレージにデータをプッシュ、プルする。
• 05実験の追跡とデータ管理にVS Code拡張機能を利用する。

ユースケース

• 大容量データセットをGitにコミットせず、チームメンバーと共有する。
• コミットをチェックアウトして対応するデータをプルし、同僚のモデル学習を再現する。
• 1つのGitリポジトリで多数のハイパーパラメーター実験を実行し、比較する。
• 変更があった部分だけを再実行する、複数ステップのMLパイプラインを構築する。

クイックスタート

1. 1

   pipでDVCをインストールする

   pip install dvc
2. 2

   Gitリポジトリ内のデータフォルダーをDVCで追跡する

   dvc add images/
3. 3

   コードとデータを再現可能なパイプラインステージとして連携させる

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

   実験を実行して結果を比較する

   dvc exp run -n exp-baseline

使う前に知っておきたいこと

• !S3やAzureなどのオプションのリモートストレージバックエンドをインストールするには、追加の依存関係が必要です。
• !VS Code拡張機能を使うには、コアのDVCツールを別途インストールする必要があります。

収録されている特集

トピック

よくある質問

dvc とは？

Gitと連携してデータやモデルをバージョン管理し、再現可能なML実験を実行できるCLIツールとVS Code拡張機能。 DVC（Data Version Control）は、機械学習プロジェクトの再現性を高めるためのツールです。大容量のデータファイルやモデルはクラウドまたはオンプレミスのリモートストレージに保存し、それらを参照する軽量なメタファイルをGitリポジトリにコミットすることで、コードとデータのバージョンを同期できます。

dvc は無料で使えますか？ライセンスは？

dvc は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

dvc は今もメンテナンスされていますか？

活発にメンテナンス中。dvc の最終コミットは 2026年11月6日 です。

dvc は何に使えますか？

大容量データセットをGitにコミットせず、チームメンバーと共有する。 コミットをチェックアウトして対応するデータをプルし、同僚のモデル学習を再現する。 1つのGitリポジトリで多数のハイパーパラメーター実験を実行し、比較する。 変更があった部分だけを再実行する、複数ステップのMLパイプラインを構築する。

dvc のインストール方法は？

pipでDVCをインストールする: pip install dvc Gitリポジトリ内のデータフォルダーをDVCで追跡する: dvc add images/ コードとデータを再現可能なパイプラインステージとして連携させる: dvc stage add -n featurize -d images/ -o features/ python featurize.py 実験を実行して結果を比較する: dvc exp run -n exp-baseline

dvc はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/treeverse/dvc