面向机器学习项目的开源版本控制系统
DVC是为了使ML模型可共享和可重现而构建的。它旨在处理大型文件、数据集、机器学习模型、指标以及代码。
版本控制机器学习模型、数据集和中间文件。DVC通过代码将它们连接起来，并使用Amazon S3、Microsoft Azure Blob Storage、Google Drive、Google Cloud Storage、阿里云OSS、SSH/SFTP、HDFS、HTTP、网络连接存储或光盘来存储文件内容。
完整的代码和数据来源有助于跟踪每个ML模型的完整演变。这保证了重复性，并使得在实验之间来回切换变得容易。
利用Git分支的全部功能来尝试不同的想法，而不是在代码中使用草率的文件后缀和注释。使用自动度量跟踪来导航，而不是纸和铅笔。
无论数据文件大小如何，DVC的设计都能保持与Git中一样简单快速的分支。伴随着一流的公民指标和ML管道，这意味着一个项目拥有更干净的结构。比较想法并挑选最好的很容易。使用中间工件缓存，迭代会变得更快。
使用Push/Pull命令将一致的ML模型、数据和代码包移动到生产环境、远程计算机或同事的计算机中，而不是临时脚本。
DVC在Git中引入了轻量级管道作为一级公民机制。它们与语言无关，并将多个步骤连接到DAG中。这些管道用于消除将代码投入生产过程中的摩擦。
使用Push/Pull命令将一致的ML模型、数据和代码包移动到生产环境、远程计算机或同事的计算机中，而不是临时脚本。
DVC在Git中引入了轻量级管道作为一级公民机制。它们与语言无关，并将多个步骤连接到DAG中。这些管道用于消除将代码投入生产过程中的摩擦。
版本控制机器学习模型、数据集和中间文件。DVC通过代码将它们连接起来，并使用Amazon S3、Microsoft Azure Blob Storage、Google Drive、Google Cloud Storage、阿里云OSS、SSH/SFTP、HDFS、HTTP、网络连接存储或光盘来存储文件内容。
完整的代码和数据来源有助于跟踪每个ML模型的完整演变。这保证了重复性，并使得在实验之间来回切换变得容易。
利用Git分支的全部功能来尝试不同的想法，而不是在代码中使用草率的文件后缀和注释。使用自动度量跟踪来导航，而不是纸和铅笔。
无论数据文件大小如何，DVC的设计都能保持与Git中一样简单快速的分支。伴随着一流的公民指标和ML管道，这意味着一个项目拥有更干净的结构。比较想法并挑选最好的很容易。使用中间工件缓存，迭代会变得更快。
使用Push/Pull命令将一致的ML模型、数据和代码包移动到生产环境、远程计算机或同事的计算机中，而不是临时脚本。
DVC在Git中引入了轻量级管道作为一级公民机制。它们与语言无关，并将多个步骤连接到DAG中。这些管道用于消除将代码投入生产过程中的摩擦。
版本控制机器学习模型、数据集和中间文件。DVC通过代码将它们连接起来，并使用Amazon S3、Microsoft Azure Blob Storage、Google Drive、Google Cloud Storage、阿里云OSS、SSH/SFTP、HDFS、HTTP、网络连接存储或光盘来存储文件内容。
完整的代码和数据来源有助于跟踪每个ML模型的完整演变。这保证了重复性，并使得在实验之间来回切换变得容易。
利用Git分支的全部功能来尝试不同的想法，而不是在代码中使用草率的文件后缀和注释。使用自动度量跟踪来导航，而不是纸和铅笔。
无论数据文件大小如何，DVC的设计都能保持与Git中一样简单快速的分支。伴随着一流的公民指标和ML管道，这意味着一个项目拥有更干净的结构。比较想法并挑选最好的很容易。使用中间工件缓存，迭代会变得更快。
使用Push/Pull命令将一致的ML模型、数据和代码包移动到生产环境、远程计算机或同事的计算机中，而不是临时脚本。
DVC在Git中引入了轻量级管道作为一级公民机制。它们与语言无关，并将多个步骤连接到DAG中。这些管道用于消除将代码投入生产过程中的摩擦。
在任何时候，获取关于你或你的同事所做的任何实验的全部背景信息。DVC保证所有文件和度量都是一致的，并且位于正确的位置，以重现实验或将其用作新迭代的基线。
DVC将图元文件保存在Git中，而不是Google Docs中，以描述和版本控制您的数据集和模型。DVC支持多种外部存储类型作为大型文件的远程缓存。
DVC定义了团队高效一致工作的规则和流程。它充当在生产环境中协作、共享结果以及获取和运行成品模型的协议。
在任何时候，获取关于你或你的同事所做的任何实验的全部背景信息。DVC保证所有文件和度量都是一致的，并且位于正确的位置，以重现实验或将其用作新迭代的基线。
DVC将图元文件保存在Git中，而不是Google Docs中，以描述和版本控制您的数据集和模型。DVC支持多种外部存储类型作为大型文件的远程缓存。
DVC定义了团队高效一致工作的规则和流程。它充当在生产环境中协作、共享结果以及获取和运行成品模型的协议。
