DVC: versjonskontroll for data og KI-modeller
DVC er et åpent verktøy for praktisk arbeid med data og KI. Her får du bruksforslag, startpunkter og viktige begrensninger.
Hva er DVC?
DVC er et kommandolinjeverktøy for versjonskontroll av data og modeller. Git lagrer kode og små metadatafiler, mens større data håndteres i en egen hurtigbuffer og valgfri ekstern lagring. Prosjektet beskriver også arbeidsflyter med avhengigheter og sammenligning av eksperimenter.
Hva kan norske bedrifter bruke det til?
Et mulig bruksområde er å dokumentere hvilke produktbilder som inngikk i et forsøk med bildeklassifisering. Når datasettet endres, kan teamet knytte endringen til koden og resultatene. Dette er et forslag til bruk, ikke en ferdig løsning som følger med installasjonen. Bedriften må selv velge datagrunnlag og kontrollere resultatene. Verktøyet erstatter ikke faglig vurdering av om et KI-svar er riktig eller nyttig.
Slik kommer du i gang
- Opprett et separat Python-miljø for testen.
- Installer pakken etter prosjektets veiledning:
pip install dvc- Følg startveiledningen i repoet med et lite, avgrenset eksempel.
- Noter hva som virker, hvilke feil du finner og hvilke krav som må oppfylles før flere ansatte bruker løsningen.
Bruk et lite Git-prosjekt med ufarlige testdata. Initialiser DVC og registrer datasettet med dvc add etter veiledningen. Metadataene alene er ikke en sikkerhetskopi av dataene. Test at samme dataversjon kan hentes i en ny arbeidskopi. Noen eksterne lagringstjenester krever ekstra pakker. Dokumenter også kjøremiljø og pakkeversjoner for å gjøre forsøket mulig å gjenta.
Velg et fast sett testeksempler før dere gjør endringer. Da blir det lettere å sammenligne resultatene og oppdage om en forbedring på ett område gir dårligere oppførsel på et annet. Ikke bruk sensitive opplysninger i den første utprøvingen.
Lisens
Repoets lisensfil angir Apache 2.0, en OSI-godkjent lisens for åpen kildekode. Les vilkårene før endring og distribusjon. Lisensen for verktøyet dekker ikke automatisk modeller, datasett eller eksterne tjenester som kobles til.
Hvorfor vi skriver om det
Vi omtaler verktøyet fordi det kan være nyttig i praktisk arbeid med data og KI. TikTok kan ikke leses direkte her. Vi har ikke verifisert at de nevnte KI-kanalene har omtalt akkurat dette verktøyet. Kildene er prosjektets egne sider, GitHub-repoet og lisensfilen. Verktøyet er kildekontrollert, men ikke installert eller funksjonstestet i dette oppdraget.
Lenker
Kilder
Opplysningene er hentet fra kildene over 25. oktober 2026. Lisens, funksjoner og installasjon kan ha endret seg siden.