【实验与方法】代码与数据版本管理入门：Git + DVC
"我明明改过这段代码，但不确定哪个版本才是最终跑出结果的那个"——这是科研中最常见的痛苦之一。当实验代码被反复修改、数据文件被不断更新，没有版本管理等于在做"不可复现的科学"。
✅ 正确做法 / 方法：
第一步：用Git管理代码
- git init 初始化仓库 → git add . → git commit -m "baseline实验脚本"
- 每次"跑出新结果"前先commit一次，commit message写"改用Adam优化器+学习率1e-4"
- 用 git log --oneline 快速回溯历史版本，用 git checkout <hash> 恢复指定版本
- 分支管理： git checkout -b ablation-study 开一个分支做消融实验，不影响主线
第二步：用DVC管理数据
- Git只擅长管理文本代码，不适合管理GB级数据文件 → 用DVC（Data Version Control）
- dvc init → dvc add data/raw_data.csv → dvc push （推送到远程存储）
- DVC生成 .dvc 文件记录数据指纹，这个文件用Git管理，实现"代码版本与数据版本联动"
- 恢复指定版本的数据： git checkout <hash> -- data/raw_data.csv.dvc → dvc checkout
⚠️ 避坑点：
- 不要把大数据文件直接 git add ！会撑爆仓库，用 .gitignore 排除
- 不要只在论文投稿后才做版本管理——从第一天就开始，否则前期的实验版本永远丢失
- 不要用"最终版""最终版2""真的最终版"命名文件夹——这是版本管理的反面教材
- DVC远程存储建议用本地NAS或云存储（S3/Google Drive），不要依赖Git仓库本身
💡 一句话总结：
Git管代码版本，DVC管数据版本，两者配合让"哪段代码+哪份数据=哪个结果"完全可追溯。学会版本管理，等于给实验过程装上了"后悔药"。
【实验与方法】代码与数据版本管理入门：Git + DVC
"我明明改过这段代码，但不确定哪个版本才是最终跑出结果的那个"——这是科研中最常见的痛苦之一。当实验代码被反复修改、数据文件被不断更新，没有版本管理等于在做"不可复现的科学"。
✅ 正确做法 / 方法：
第一步：用Git管理代码
- git init 初始化仓库 → git add . → git commit -m "baseline实验脚本"
- 每次"跑出新结果"前先commit一次，commit message写"改用Adam优化器+学习率1e-4"
- 用 git log --oneline 快速回溯历史版本，用 git checkout <hash> 恢复指定版本
- 分支管理： git checkout -b ablation-study 开一个分支做消融实验，不影响主线
第二步：用DVC管理数据
- Git只擅长管理文本代码，不适合管理GB级数据文件 → 用DVC（Data Version Control）
- dvc init → dvc add data/raw_data.csv → dvc push （推送到远程存储）
- DVC生成 .dvc 文件记录数据指纹，这个文件用Git管理，实现"代码版本与数据版本联动"
- 恢复指定版本的数据： git checkout <hash> -- data/raw_data.csv.dvc → dvc checkout
⚠️ 避坑点：
- 不要把大数据文件直接 git add ！会撑爆仓库，用 .gitignore 排除
- 不要只在论文投稿后才做版本管理——从第一天就开始，否则前期的实验版本永远丢失
- 不要用"最终版""最终版2""真的最终版"命名文件夹——这是版本管理的反面教材
- DVC远程存储建议用本地NAS或云存储（S3/Google Drive），不要依赖Git仓库本身
💡 一句话总结：
Git管代码版本，DVC管数据版本，两者配合让"哪段代码+哪份数据=哪个结果"完全可追溯。学会版本管理，等于给实验过程装上了"后悔药"。