Deep Learning Academy · Lektion

Versionshantera data och modeller

Återskapa valfri körning från dess indata

Lektion 2 av 413 steg

Versionshantera data och modeller är en gratis lektion i Deep Learning Academy på CoddyKit. Detta är lektion 2 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Deep Learning Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.

Kodversionshantering räcker inte

Git håller ordning på koden på ett utmärkt sätt, men en modell är också beroende av data och vikter. För att återskapa ett resultat måste Ni versionshantera även dem. 🗂️

Varför dataförändringar förstör körningar

Datamängder växer, rensas eller får nya etiketter. Om Ni inte kan säga vilken version av datan som tränade en modell kan Ni aldrig återskapa exakt samma resultat.

Reproducerbarhetstriangeln

En körning är reproducerbar endast när tre saker är låsta tillsammans: koden, datan och de tränade vikterna. Om någon saknas förändras resultatet.

Skapa en hash av datan

Ni lagrar inte enorma filer i Git. I stället sparar ni en hash, ett kort fingeravtryck av datamängden, så att alla ändringar upptäcks direkt.

import hashlib
h = hashlib.md5(open("train.csv","rb").read()).hexdigest()

Möt DVC

DVC, Data Version Control, bygger vidare på Git för versionshantering av stora filer. En liten pekare lagras i Git, medan de faktiska data lagras i fjärrlagring.

pip install dvc

Spåra en datamängd

Ett kommando instruerar DVC att hantera en fil. Den tunga datan ersätts av en liten .dvc-pekare som Git tryggt kan checka in.

dvc add data/train.csv

Skicka data till fjärrlagring

De faktiska bytena finns i molnlagring, inte i ert repo. dvc push laddar upp dem så att teammedlemmar senare kan hämta exakt samma filer.

dvc push

Versionshantera även modellen

Spara vikter med ett tydligt namn som kopplar dem till en körning. När en checkpoint kopplas till sin commit och datahash blir modellen fullständigt spårbar.

torch.save(model.state_dict(), "model_v3.pt")

Tagga utgåvor

När en modell är tillräckligt bra för att tas i bruk markerar ni det ögonblicket. En Git-tagg som v1.0 gör att ni när som helst kan återgå till exakt samma kod, data och vikter.

git tag -a v1.0 -m "first production model"

Återskapa valfri körning

När allt är versionshanterat består återställningen av två steg: checka ut committen och kör sedan dvc pull. Då får ni exakt samma indata som användes för att skapa originalmodellen.

git checkout v1.0
dvc pull

Versionshantering skapar förtroende

När vem som helst kan bygga om ett resultat från grunden blir arbetet granskningsbart. Det förtroendet skiljer ett hobbyprojekt från maskininlärning i produktion.

Snabb kontroll

Hur håller DVC stora datamängder utanför Git?

Besvara frågan i den interaktiva lektionen

Sammanfattning

Ni har lärt er att versionshantera data och modeller: hasha indata, spåra filer med DVC, skicka dem till fjärrlagring och tagga utgåvor så att varje körning kan återskapas. 🎉

Gratis att börja

Lär dig Python med en AI-lärare – gratis

Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.

Kurser: 30
Lektioner: 120

Börja lära dig gratis Visa hela kursen

Vanliga frågor

Är lektionen ”Versionshantera data och modeller” gratis?

Ja – hela texten till ”Versionshantera data och modeller” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Deep Learning Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.

Vad lär jag mig i ”Versionshantera data och modeller”?

Återskapa valfri körning från dess indata Ni övar på Deep Learning Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.

Behöver jag någon erfarenhet för att börja lära mig Deep Learning Academy?

Du behöver inga förkunskaper. Utbildningen i Deep Learning Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 2 av 4.

Hur lång tid tar lektionen ”Versionshantera data och modeller”?

De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.

Kan jag skriva och köra kod i den här Deep Learning Academy-lektionen?

Ja. Varje Deep Learning Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.

Alla lektioner i den här kursen

← Tillbaka till Deep Learning Academy