ABOUT THIS TOOL
关于 DVC
在 Git 工作流中记录大型数据、模型和机器学习流水线状态的开源数据版本控制工具。它面向“让数据与模型变更可追踪并与代码版本对应”这一类科研任务，可通过Windows、macOS、Linux、CLI使用。本站将其归入数据分析，相关能力标签包括数据版本控制、可复现工作流。
适合把大型数据和模型存储在本地、对象存储或其他远端，同时由 Git 跟踪小型元数据文件和流水线定义。应明确缓存、远端、访问权限、哈希与数据保留策略，并验证他人能否从指定版本恢复所需产物。
DVC 适合哪些科研任务？
- 追踪数据集和模型版本
- 定义可重复执行的数据流水线
- 在代码提交之间比较指标与产物
选择与使用建议
建议先用不含敏感信息的小型任务试用，检查输出是否可追溯、能否导出，以及是否适合你所在团队的工作流。涉及论文结论、统计分析或专业模型时，应保留原始来源、参数和人工复核记录。
- DVC 元数据不等于数据备份，远端对象丢失后 Git 历史无法恢复实际文件
- 大型或敏感数据需要单独的访问控制、加密、合规与生命周期管理
数据版本控制可复现工作流
最后核验：2026-09-02
资料来源：官方来源 ↗
工具功能、价格与政策可能变化，请以官方页面为准。