DVC报load_extract_save阶段循环依赖CyclicGraphError如何解决

DVC 流水线依赖有向无环图（DAG）解析阶段执行顺序，抛出循环错误的核心原因是load_extract_save阶段存在自依赖配置：

• 你在该阶段的deps（依赖项）中声明了artifacts/data路径
• 同时在该阶段的outs（输出项）中也声明了同一路径artifacts/data

DVC 构建依赖图的规则是：为每个「输出路径所属阶段 → 依赖该路径的阶段」绘制一条有向边。当同一路径同时是一个阶段的输入和输出时，就会生成一条从该阶段指向自身的边，直接形成闭环，违反DAG的无环要求，因此抛出循环错误。

根据artifacts/data的实际属性二选一调整即可：

• 如果artifacts/data是stage_01_load_extract_save.py脚本运行生成的目录（比如脚本负责下载原始数据、解压到该路径）：
  直接从load_extract_save的deps列表中删除- artifacts/data这一项即可，输出路径不需要作为自身的依赖。
  修正后该阶段配置如下：

  load_extract_save: 
    cmd: python src/stage_01_load_extract_save.py --config=config/config.yaml
    deps:
      - config/config.yaml
      - src/utils/all_utils.py
      - src/stage_01_load_extract_save.py
    outs:
      - artifacts/data
      - artifacts/clean_data/X.npy
      - artifacts/clean_data/Y.npy
  

  其余三个阶段（train_test_split_save、train_model、metrics）的配置不需要改动。

• 如果artifacts/data是你提前存放的静态原始数据集、不是该脚本生成的：
  从load_extract_save的outs列表中删除- artifacts/data这一项，保留其在deps中的配置，提前执行dvc add artifacts/data命令将静态原始数据集纳入DVC版本追踪即可，不要让同一路径同时作为单个阶段的输入和输出。

调整完成后重新执行dvc repro即可正常解析流水线，不会再报循环错误。

内容的提问来源于stack exchange，提问作者Padmanabhan Poraiyar