🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
💡
概念DVC (Data Version Control) 的设计哲学是"Git 管代码，DVC 管数据"。它不把数据文件存进 Git(那会让仓库膨胀到无法使用)，而是存一个指向远程存储的指针文件。有趣的是，DVC 用内容寻址(类似 Git 的 SHA)来去重——如果你只改了 100 万张图片中的 1 张，DVC 只需要存储那 1 张的差异，其余 99.9999 万张通过哈希复用。Delta Lake 走了另一条路：它把数据做成带时间戳的版本表，支持"时间旅行"查询——你可以查询模型训练那一刻的数据状态。
一句话总结
💡
DVC 等工具对数据和模型文件做版本控制，记录每次实验对应的数据与模型快照，实现数据可追溯。
常见误区
这些坑别踩
✗
误区 1
DVC 就是 Git 存大文件。
✓
正确理解
DVC 用 Git 管元数据、用远程存储存大文件，避免仓库膨胀。
✗
误区 2
数据版本只需存最新版。
✓
正确理解
需保留历史版本以复现实验和回滚，只存最新无法追溯。
✗
误区 3
DVC 能替代数据库。
✓
正确理解
DVC 是文件版本管理，不提供数据库的查询和事务能力。