协作与版本控制：MLflow、DVC与Git LFS管理模型与数据

003、协作与版本控制：MLflow、DVC与Git LFS管理模型与数据

上周团队里新来的同事把训练好的模型文件直接推到了Git仓库，结果仓库体积一夜之间暴涨了8个G，同步代码时大家纷纷哀嚎。这让我想起几年前自己也犯过类似的错误——把几十GB的图像数据集一股脑塞进Git，最后只能含泪重建仓库。模型和数据的管理，从来不是简单的“保存文件”就能解决的。

为什么Git alone不够用？

Git本身是为代码文本设计的增量存储系统，对二进制大文件的支持非常吃力。每次修改一个200MB的模型文件，Git都会完整存储新版本，而不是只存差异。几个月下来，你的.git目录可能比实际代码大上百倍。更糟糕的是，当同事git pull时，他们下载的不仅是最新版本，而是整个历史中的所有二进制文件。

# 查看.git目录大小（你会被吓到）du-sh.git# 查看哪些文件最大gitrev-list--objects