如何用DVC配置追踪数据？DVC与CML相关技术咨询

问题1：向storage文件夹添加新文件后，是否需要执行dvc add storage/somefile.csv？ #

不需要单独对新文件执行dvc add。因为你之前已经通过dvc add storage将整个storage目录纳入DVC跟踪，后续目录内新增/修改文件后，只需要重新执行：

dvc add storage

然后提交更新后的storage.dvc文件到Git，再执行dvc push即可同步到远程存储。DVC会自动识别目录内的内容变化，无需单独处理单个文件。

问题2：CML是否会自动从远程存储拉取数据？ #

不会自动拉取。CML是基于CI/CD的机器学习协作工具，需要在你的CML工作流配置文件（比如GitHub Actions的.github/workflows/xxx.yml）中显式添加dvc pull命令，才能从DVC远程存储拉取数据，确保训练任务能获取到所需的数据集。

问题3：CML是否仅用于运行任务？ #

当然不是。CML的核心是将机器学习工作流与Git协作流程深度集成，除了运行训练/评估任务外，还能实现：

• 自动生成训练指标、模型性能图表等可视化报告，并直接嵌入到Pull Request中
• 基于Git分支的模型版本管理，结合DVC实现数据与模型的联动追踪
• 触发自动化的模型验证、数据校验流程
• 支持团队协作时的结果评审，让ML迭代过程可追溯、可讨论

内容的提问来源于stack exchange，提问作者haju