Data Version Control · DVC

Data Version Control · DVC是面向数据科学与机器学习项目的开源版本控制工具平台，核心定位是为机器学习项目提供轻量级、与Git生态兼容的数据和模型版本管理方案，解决数据体积过大无法存入Git、实验结果难以复现、团队协作数据不一致等问题。核心功能包括数据版本追踪、实验管线管理、结果可复现、模型版本管理与远程存储协作，服务于数据科学家、机器学习工程师、算法研究团队等用户，适合个人开展机器学习实验迭代、团队协作开发AI项目、需要复现过往实验结果以及离线管理大型数据集与模型的场景。

主要功能

• 数据版本追踪：用户可通过命令行将项目中的大型数据文件、数据集目录添加到DVC追踪，DVC会生成轻量的占位文件存入Git，原始数据存储在本地或远程仓库，不占用Git仓库存储空间。每次数据更新后，DVC会记录版本变化，用户可随时切换到指定数据版本，保持数据与代码版本对应，避免数据混乱。
• 实验管线管理：用户可通过DVC定义机器学习项目的处理管线，将数据预处理、特征工程、模型训练、评估等步骤编写为管线配置，DVC会自动识别各步骤的依赖关系，仅重新执行发生变更的步骤，减少重复计算，节约计算资源与时间，同时可清晰追踪每个实验步骤的输入输出。
• 实验结果复现：DVC会完整记录每个实验对应的代码版本、数据版本、模型参数、训练环境配置等信息，其他团队成员或用户在获取项目代码后，只需执行DVC命令，即可拉取对应版本的数据，重新执行训练管线，得到与原实验完全一致的结果，解决机器学习领域常见的实验结果不可复现问题。
• 远程存储协作：DVC支持对接多种主流远程存储服务，包括亚马逊S3、谷歌云存储、阿里云OSS、Azure Blob存储以及SSH服务器等，团队可将共享的数据与模型存储在统一远程存储中，成员只需拉取Git中的占位文件，即可通过DVC拉取对应版本的数据，实现团队数据协作，无需传递大容量压缩包。
• 模型版本管理：针对训练完成的机器学习模型文件，DVC可实现与数据一致的版本追踪，每个版本的模型对应特定的训练数据与代码版本，用户可随时拉取指定版本的模型进行测试、部署或二次训练，方便对比不同版本模型的效果，管理模型迭代过程。
• Git生态兼容：DVC无需替换现有Git工作流，可直接与现有Git项目结合使用，用户保持原有的Git代码提交、分支管理习惯，只需额外使用DVC处理大型数据与模型文件，学习成本较低，可无缝融入现有开发协作流程，不需要切换整套版本控制系统。

怎么使用

1. 在本地开发环境安装DVC工具，根据操作系统选择对应安装包，完成安装后在已有Git项目根目录执行dvc init初始化DVC配置，初始化完成后提交变更到Git。
2. 标记需要追踪的大型数据文件或数据集目录，执行dvc add命令添加对应文件，DVC会生成.dvc后缀的占位文件，将占位文件提交到Git存储，原始数据保留在本地缓存。
3. 配置远程存储地址，执行dvc remote add命令添加团队共享的远程存储，配置完成后执行dvc push命令将本地缓存的数据推送到远程存储，完成数据上传。
4. 定义项目处理管线，编辑dvc.yaml文件添加数据处理、模型训练等步骤，配置各步骤的输入输出依赖，保存后执行dvc repro运行管线，生成对应的输出结果与实验记录。
5. 协作者获取项目代码后，执行dvc pull命令即可从远程存储拉取对应版本的数据与模型，再执行dvc repro即可复现完整实验，得到对应结果。

适合什么人群

• 个人数据科学家（独立开展机器学习实验）
• 机器学习开发团队（团队协作开发AI项目）
• 算法研究人员（需要复现过往实验结果）
• AI产品开发工程师（管理迭代模型版本）
• 数据分析师（处理大型数据集版本）
• 高校科研人员（科研项目数据管理）

总结

这是一款开源的机器学习项目版本控制工具，主打与Git生态兼容的轻量级数据与模型版本管理，解决了传统Git无法处理大容量数据文件的痛点。对于机器学习开发来说，数据、代码、模型三个核心要素都需要版本管理，但传统版本控制工具仅能处理代码，这款工具填补了数据与模型版本管理的空白，同时不需要开发者改变现有的工作流，学习门槛较低。它支持多种远程存储对接，适配不同团队的存储基础设施，无论是使用公有云存储还是自建私有存储，都可以完成配置。实验管线管理功能可以帮助开发者减少重复计算，提升实验迭代效率，可复现特性也解决了团队协作中常见的实验结果不一致问题。作为开源项目，它拥有活跃的社区支持，持续更新功能，适配不同规模的项目，从小型个人实验到中型团队开发项目都可以使用，是数据科学领域版本控制方向的补充工具。

价格与免费额度

Data Version Control · DVC是开源项目，核心功能全部免费开放使用，用户可以自由下载、修改、分发源代码，没有项目数量、存储容量、使用人数的限制。如果用户需要企业级托管服务、技术支持等增值服务，可以选择旗下的迭代商业服务，基础企业版按项目数量和存储容量收费，月费从几十美元到数百美元不等。对于个人开发者、小型团队来说，使用开源核心功能完全可以满足数据版本控制需求，不需要付费，建议个人用户直接使用免费开源版本，企业用户如果需要专属技术支持可以选择付费增值服务。

优点与不足

能帮你做的 8 件事

1. 01数据版本追踪
2. 02实验管线管理
3. 03实验结果复现
4. 04远程存储协作
5. 05数据版本控制场景的常用方案
6. 06机器学习工具场景的常用方案
7. 07个人数据科学家（独立开展机器学习实验）的日常效率工具
8. 08在网页等多端直接使用

更新历史

• 2026.09.15页面资料核验与信息更新
• 2026.09.04Data Version Control · DVC 收录进 Toolifai 目录

常见问题