更新 DVC 中的跟踪目录

Question

根据this tutorial，当我更新文件时，我应该首先从 DVC 控制下删除文件（即执行 dvc unprotect <myfile>.dvc 或 dvc remove <myfile>.dvc），然后通过 [=13= 再次添加它].但是不清楚我是否应该对目录应用相同的工作流程。

我的目录在 DVC 控制下，结构如下：

data/
    1.jpg
    2.jpg

我是否应该运行 dvc unprotect data 每次更新目录内容？

更具体地说，我感兴趣的是我是否应该运行 dvc unprotect data 在以下用例中：

添加了新文件。 例如，如果我将 3.jpg 图像放在数据目录中
文件被删除。 例如，如果我删除 data 目录中的 2.jpg 图像
文件已更新。 例如，如果我通过图形编辑器编辑 1.jpg 图像。
先前用例的组合（即更新了一些文件，添加了其他已删除和新文件）

Answer 1

仅当文件更新时 - 即使用编辑器编辑 1.jpg AND 仅当启用了 hadrlink 或符号链接缓存类型时。

请检查这个 link:

updating tracked files has to be carried out with caution to avoid data corruption when the DVC config option cache.type is set to hardlink or/and symlink

我强烈建议阅读此文档：Performance Optimization for Large Files 它解释了使用 hardlinks/symlinks 的好处。

Answer 2

上面的链接不再有效 -> 这里是 up-to-date link 并在此处粘贴说明：

修改内容

使用 dvc unprotect 取消链接文件。这将使 train.tsv 可以安全编辑：

dvc unprotect train.tsv

然后编辑文件的内容，例如：

echo "new data item" >> train.tsv

用 DVC 添加新版本的文件：

dvc add train.tsv
git add train.tsv.dvc
git commit -m "modify train data"

如果您有远程存储 and/or 上游存储库：

dvc push
git push

正在替换文件

如果要完全替换文件，可以按以下步骤操作。

首先，通过对 .dvc 文件使用 dvc remove 停止跟踪文件。这将从工作区中删除 train.tsv（并将其从缓存中取消链接）：

dvc remove train.tsv.dvc

接下来，用新内容替换文件：

echo new > train.tsv

然后重新开始追踪：

dvc add train.tsv
git add train.tsv.dvc .gitignore
git commit -m "new train data"

如果您有远程存储 and/or 上游存储库：

dvc push
git push

更新 DVC 中的跟踪目录

Updating tracked dir in DVC

dvc