有人可以解释DVC如何将目录级别的差异存储到DVC缓存中。
我知道DVC文件（.dvc）是图元文件，用于跟踪数据，模型和复制管道阶段。但是，对于我来说，尚不清楚如何创建分支，提交分支以及切换回主文件的过程究竟是如何保存在一起的。
最佳答案
精简版：.dvc文件包含有关缓存内JSON文件的信息（md5），该信息描述目录的当前状态。
更新目录后，.dvc文件中将有新的md5，并会以目录的更新状态创建新的JSON文件。
在git中，您存储.dvc文件，以便DVC知道（基于md5）在哪里查找有关目录的信息。
较长版本：
让我尝试打破使用DVC处理目录的特定步骤。
假设我们有一些要在DVC控制下添加的数据目录：
data
├── 1
└── 2
您正在使用
dvc add data使DVC跟踪您的目录。结果，DVC生成data.dvc文件。如您所述，此文件包含将git存储库与数据存储连接所需的元数据。在该文件中（除其他内容外），您可以看到：outs:
- md5: f437247ec66d73ba66b0ade0246fcb49.dir
path: data
md5部分用于在DVC缓存（.dvc/cache）中存储有关目录的信息：(dvc3.7) ➜ repo$ tree .dvc/cache
.dvc/cache
├── 26
│ └── ab0db90d72e28ad0ba1e22ee510510
├── b0
│ └── 26324c6904b2a9cb4b88d6d61c81d1
└── f4
└── 37247ec66d73ba66b0ade0246fcb49.dir
如果使用后缀
.dir打开文件，则会看到该文件包含当前data状态的描述：(dvc3.7) ➜ repo$ cat .dvc/cache/f4/37247ec66d73ba66b0ade0246fcb49.dir
[{"md5": "b026324c6904b2a9cb4b88d6d61c81d1", "relpath": "1"},
{"md5": "26ab0db90d72e28ad0ba1e22ee510510", "relpath": "2"}]
如您所见，特定文件（
1和2）由该文件中的条目描述更改目录时：
(dvc3.7) ➜ repo$ echo 3 >> data/3
(dvc3.7) ➜ repo$ dvc commit data.dvc
data.dvc的内容将被更新：outs:
- md5: 12f4b7d54a32e58818e27fba28376fba.dir
path: data
缓存中有一个新文件：
├── 12
│ └── f4b7d54a32e58818e27fba28376fba.dir
...
(dvc3.7) ➜ repo$ cat .dvc/cache/12/f4b7d54a32e58818e27fba28376fba.dir
[{"md5": "b026324c6904b2a9cb4b88d6d61c81d1", "relpath": "1"},
{"md5": "26ab0db90d72e28ad0ba1e22ee510510", "relpath": "2"},
{"md5": "6d7fce9fee471194aa8b5b6e47267f03", "relpath": "3"}]
从git的角度来看，唯一的变化是在
data.dvc内部。（假设您在添加
git commit和data并在其中添加1后执行了2）：diff --git a/data.dvc b/data.dvc
index 098aec5..88d1a90 100644
--- a/data.dvc
+++ b/data.dvc
@@ -1,6 +1,6 @@
-md5: a427c5bf8680fbf8d1951806b28b82fe
+md5: 1b674d61c195eea7a6b14f176c020b9c
outs:
-- md5: f437247ec66d73ba66b0ade0246fcb49.dir
+- md5: 12f4b7d54a32e58818e27fba28376fba.dir
path: data
cache: true
metric: false
注意：第一个md5对应于此文件的md5，因此必须通过dir更改md5更改
关于version-control - DVC如何将目录级别的差异存储到DVC缓存中？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/60527213/