📁 Project Structure

规范的目录，成功的一半

好的目录结构让团队协作更高效、代码更易维护、项目可复现。本模块教你搭建专业的AI项目骨架。

🌳 标准目录结构

my_ai_project/
📂 data/ 数据层
├── 📂 raw/ # 原始数据（只读）
├── 📂 processed/ # 清洗后数据
├── 📂 interim/ # 中间产物
└── 📂 external/ # 外部数据源
📂 src/ 代码层
├── 📂 data/ # 数据加载/清洗
├── 📂 features/ # 特征工程
├── 📂 models/ # 模型定义
├── 📂 training/ # 训练脚本
├── 📂 evaluation/ # 评估逻辑
└── 📂 utils/ # 工具函数
📂 models/ 模型层
├── 📂 checkpoints/ # 训练检查点
└── 📂 final/ # 最佳模型
📂 outputs/ 结果层
├── 📂 figures/ # 可视化图表
└── 📂 reports/ # 评估报告
📂 configs/ 配置层
├── default.yaml
└── production.yaml
├── 📂 notebooks/ # 探索性笔记本
├── 📂 tests/ # 单元测试
├── 📄 requirements.txt
├── 📄 .gitignore
└── 📄 README.md

📖 目录说明

💡 点击左侧目录查看详细说明

每个目录都有明确的职责边界，这保证了：

  • • 原始数据永不被覆盖
  • 代码可模块化复用
  • 模型可版本化管理
  • 任何项目阶段都能回溯

⚡ 交互式目录生成器

输入你的项目名称，选择需要的模块，一键生成项目脚手架

📦 选择需要的模块：

🔒 AI项目专用 .gitignore 模板

# === Python ===
__pycache__/
*.py[cod]
*$py.class
*.egg-info/
.eggs/
build/
dist/

# === 虚拟环境 ===
venv/
env/
.venv/
.env

# === 数据文件（大文件不入库） ===
data/raw/
data/processed/
*.csv
*.json
*.parquet

# === 模型文件（体积大，用LFS或网盘） ===
models/final/
models/checkpoints/
*.h5
*.pth
*.pt
*.onnx
*.safetensors

# === 日志 ===
*.log
logs/
wandb/
runs/

# === IDE ===
.vscode/
.idea/
*.swp

# === 系统文件 ===
.DS_Store
Thumbs.db
← 返回数据工程 下一章：模型选择 →