Inisialisasi DVC dan Lacak Kumpulan Data

DVC adalah paket Python, jadi satu perintah pip sudah cukup untuk memulai. Setelah itu, Anda dapat menggunakan perintah dvc di terminal.

DVC bekerja bersama Git, bukan menggantikannya. Jadi, Anda menjalankannya di dalam repositori Git yang sudah menyimpan kode Anda.

dvc init menambahkan folder .dvc tersembunyi yang menyimpan konfigurasi dan cache lokal. Commit folder tersebut sekali agar seluruh tim menggunakan pengaturan yang sama.

Tentukan file atau folder yang ingin diberi versi menggunakan dvc add. DVC memindahkan data sebenarnya ke dalam cache dan meninggalkan placeholder kecil.

dvc add membuat file .dvc kecil di sebelah data Anda. File tersebut menyimpan hash dan ukuran file, serta bertindak sebagai alamat yang akan dilacak oleh Git.

Anda melakukan commit pada file .dvc kecil ke Git, bukan pada dataset mentah. Kini Git mencatat versi mana dari data yang diharapkan oleh commit ini.

Agar Anda tidak tidak sengaja melakukan commit pada file besar, dvc add otomatis menambahkan jalur dataset ke .gitignore. Git cukup mengabaikan byte data yang besar tersebut.

DVC memberi nama file yang di-cache berdasarkan hash kontennya. Data yang identik disimpan sekali saja, sehingga dataset duplikat tidak membuang ruang disk. 💾

Jalankan dvc status kapan saja untuk melihat apakah data kerja Anda sesuai dengan yang diharapkan oleh file .dvc. Ini adalah pemeriksaan kondisi singkat Anda.

Saat dataset berubah, jalankan dvc add lagi. DVC menghitung ulang hash dan memperbarui file .dvc, lalu Anda melakukan commit terhadapnya sebagai versi baru.

dvc add dapat digunakan pada seluruh direktori, bukan hanya satu file. Arahkan perintah tersebut ke folder, lalu DVC memberi versi pada semua isi di dalamnya sebagai satu unit yang dilacak.

Anda menjalankan dvc init, lalu dvc add untuk melacak sebuah dataset. DVC menyimpan data sebenarnya di cache dan menulis penunjuk .dvc kecil yang di-commit oleh Git, sehingga kode dan data tetap terhubung.