treeverse/dvc

这是什么？

核心功能

• 01将大体积数据和模型纳入版本管理，Git 中只保存指向它们的元文件。
• 02定义可复现的流水线，仅重新运行受变更影响的阶段。
• 03无需服务器即可在本地追踪、比较和应用实验。
• 04向 S3、Azure、Google Cloud、SSH 等远程存储推送和拉取数据。
• 05通过 VS Code 扩展进行实验追踪和数据管理。

适用场景

• 在不把大文件提交进 Git 的前提下，与团队共享大型数据集。
• 检出某个提交并拉取对应数据，复现同事的模型训练。
• 在同一个 Git 仓库中运行并比较大量超参数实验。
• 构建多步骤机器学习流水线，只重跑发生变化的部分。

快速上手

1. 1

   使用 pip 安装 DVC

   pip install dvc
2. 2

   在 Git 仓库中用 DVC 跟踪数据文件夹

   dvc add images/
3. 3

   将代码与数据连接为可复现的流水线阶段

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

   运行实验并比较结果

   dvc exp run -n exp-baseline

使用前须知

• !使用某些远程存储（如 S3 或 Azure）需要额外安装可选依赖。
• !VS Code 扩展需要单独安装核心 DVC 工具。

收录于专题

标签

常见问题

dvc 是什么？

一款命令行工具和 VS Code 扩展，用于将数据和模型与 Git 一起版本化，并复现机器学习实验。 DVC（Data Version Control）是一款帮助开发者复现机器学习项目的命令行工具。大体积的数据文件和模型存放在云端或本地网络存储中，仓库里只提交指向它们的轻量元文件，使代码和数据版本保持同步。

dvc 可以免费使用吗？用的什么许可证？

dvc 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

dvc 还在维护吗？

活跃维护中。dvc 最近一次提交是在 2026年11月6日。

dvc 适合用来做什么？

在不把大文件提交进 Git 的前提下，与团队共享大型数据集。 检出某个提交并拉取对应数据，复现同事的模型训练。 在同一个 Git 仓库中运行并比较大量超参数实验。 构建多步骤机器学习流水线，只重跑发生变化的部分。

dvc 怎么安装和运行？

使用 pip 安装 DVC: pip install dvc 在 Git 仓库中用 DVC 跟踪数据文件夹: dvc add images/ 将代码与数据连接为可复现的流水线阶段: dvc stage add -n featurize -d images/ -o features/ python featurize.py 运行实验并比较结果: dvc exp run -n exp-baseline

在哪里获取 dvc？

源代码和安装说明在 GitHub 上：https://github.com/treeverse/dvc