原文：
www.kdnuggets.com/2022/07/16-essential-dvc-commands-data-science.html
图片由作者提供
DVC（数据版本控制）是一个有用的工具，用于跟踪数据和机器学习模型、管道及实验。它与 Git 无缝协作，提供代码和数据版本控制环境。
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你在 IT 领域的组织
DVC 命令与 Git 相似，除了版本控制外，它还提供了一个丰富的环境来训练、验证和部署机器学习模型。类似于 Git，你可以共享和协作处理机器学习项目。
在这篇文章中，我们将学习用于初始化、管理和共享 DVC 项目的重要命令。
16 个关键命令概览：
-
init
-
remote
-
add
-
remove
-
status
-
commit
-
checkout
-
push
-
pull
-
run
-
exp
-
repro
-
metrics
-
plots
-
dag
-
gc
DVC 初始化依赖于 Git。如果你在一个新目录中，请先初始化 Git，然后按照下面的示例初始化 DVC。
git init
dvc initinit 命令已创建一个 .dvc 目录。它包含与 DVC 配置和文件相关的所有元数据。
DVC 远程命令用于与团队共享数据或在远程存储中创建副本。
只需添加一个远程名称和远程 URL。如我之前所说，这个命令与 Git 非常相似。
dvc remote add dagshub https://dagshub.com/kingabzpro/Urdu-ASR-SOTA.dvc要查看远程存储列表，请使用：
dvc remote list
>>> dagshub https://dagshub.com/kingabzpro/Urdu-ASR-SOTA.dvc要修改现有的远程配置，你可以使用下面的命令。它需要一个远程名称和一个新 URL。
dvc remote modify dagshub https://dagshub.com/kingabzpro/solar-radiation-ISB-MLOps.dvc你可以使用上述模式重命名或移除远程。相对来说比较简单。
使用此命令来跟踪单个或多个文件和目录。
dvc add ./model ./data当你将文件添加到 DVC 时，该命令会使用 .gitignore 从 Git 中移除它。相反，Git 将使用 .dvc 跟踪指针，以跟踪和提交更改。
在运行 add 命令后，你需要将文件添加到 Git 暂存区。
git add model.dvc data.dvc .gitignore要停止跟踪文件和目录，请使用 dvc remove <file> 命令。确保目录或文件具有扩展名 .dvc。你还可以使用此命令从 dvc.yml 中移除一个阶段。
dvc remove model.dvc它将显示项目管道中的更改，并展示缓存和工作区或远程存储之间的更改。
dvc status
commit 命令用于记录 DVC 跟踪的文件和文件夹中的更改。
dvc commit当你使用 git checkout 更改仓库到较旧版本时，dvc checkout 用于根据 dvc.lock 和 .dvc 文件更新工作区中的跟踪文件。
dvc checkout类似于 Git，你可以使用 dvc push 将文件从本地工作区推送到默认远程。push 命令对于团队协作和保持多个数据副本以避免灾难是必要的。
我使用 DagsHub 的远程存储来存储和更新生产中的模型。
对于默认远程：
dvc push对于特定的远程存储：
dvc push -r <remote-name>pull 命令用于使用远程存储更新本地工作区。push 和 pull 的工作方式类似于 Git。
从默认远程提取文件：
dvc pull从特定远程提取文件：
dvc pull -r <remote-name>
它帮助你在dvc.yml中创建和修改管道阶段。run 命令可用于组装机器学习和数据管道。
-
-n 是阶段名称
-
-d 是依赖项
-
-o 是输出
dvc run -n printer -d write.sh -o pages ./write.shexp 或 experiment 命令用于生成、管理和运行机器学习实验。这是一个新功能。你可以在这里阅读更多关于实验管理的信息。
dvc exp {show,apply,diff,run,gc,branch,list,push,pull,remove,init}
图片来自 DVC experiments
repro 类似于 Make。你可以使用它来重现完整或部分管道。它按正确的顺序执行在其阶段中定义的命令。
dvc repro通过使用 dvc repro 运行机器学习管道后，将生成模型性能指标。它表示标量数字，如 AUC。
要在终端查看指标，请使用：
dvc metrics show并且要比较指标，请使用：
dvc metrics diffmetric diff 命令将比较工作区的指标与 HEAD。你也可以与特定的提交进行比较。
plots 用于可视化数据系列，如 RMSE 与周期和损失函数。plots 可以与图像文件（JPEG、GIF 或 PNG）和数据系列文件（JSON、YAML、CSV 或 TSV）一起使用。它使用数据系列文件通过 Vega-Lite 渲染折线图。
显示机器学习结果：
dvc plots show logs.csv
图片来自 DVC Doc
与 HEAD 比较结果：
dvc plots diff HEAD^ --targets logs.csv
图片来自 DVC Doc
注意： 在DVC VSCode 新扩展中运行实验和可视化结果非常互动。
它用于以一个或多个连接阶段的图形形式可视化管道。
dvc dag
它用于从缓存或远程存储中删除未使用的文件或目录。类似于 Git，它用于优化仓库。
dvc gc -wDVC 已经成为数据科学和机器学习操作的一个重要工具。你可以对数据和模型进行版本控制，跟踪实验，开发管道，分享和协作，并将模型部署到生产环境。在这篇文章中，我们学习了 DVC 的基本命令。阅读文档以了解更多命令和功能。
如果你是新手并想互动体验 DVC，可以尝试DagsHub。该平台专为数据科学家和机器学习工程师而设计。你可以查看我的个人资料这里以获得灵感。
注意： 如果你想从 Git 仓库中删除 dvc 文件、管道、实验和指标，请使用
dvc destroy。
-
数据科学家的 14 个必备 Git 命令
-
数据科学初学者的 20 个基础 Linux 命令
Abid Ali Awan (@1abidaliawan) 是一位认证的数据科学专业人士，喜欢构建机器学习模型。目前，他专注于内容创作，并撰写有关机器学习和数据科学技术的技术博客。Abid 拥有技术管理硕士学位和电信工程学士学位。他的愿景是利用图神经网络构建一个 AI 产品，帮助那些在心理健康方面挣扎的学生。