从搞研究到做项目，模板都是提高生产力的好工具。因为开发者比较注重效率（因为懒），很多细枝末节而又略微繁琐的工作，都会在 GitHub 上放出模板。比如说 Git 用的 gitignore 文件，模板放到 GitHub 上竟然能有 9.6 万的 Star 量，这些小而好用的模板项目，确实能省不少事。
gitignore 模板做项目
不论是做研究，还是平常写一些小项目，Git 总是必不可少的。若不用 Git 追踪所有代码修改痕迹，总感觉改代码、测试代码会比较心虚。一般使用 Git，又少不了 将代码托管到 GitHub，尤其目前 GitHub 已经支持免费的私有项目。
然而做项目时，每次查看修改了哪些文件时，总会有一些奇奇怪怪的临时文件，编译器缓存、系统缓存等等，此外数据集太大一般也不会传到 GitHub。为了看着舒服，大概率你会写一个 . gitignore 文件，将需要 Git 忽略的所有文件、所有类型的文件都忽略掉。
比如说，早几天清华大学开源的深度学习框架「计图」，它的 .gitignore 文件是这样的：
可以想到，清华的研究者肯定是在构建项目的过程中，一条条把不希望添加到 GitHub 的文件排除在外。虽然要排除的文件每个项目都不一样，但是有一些肯定都是共通的，例如 __pycache__ 等。这里我们介绍一个 GitHub 官方 gitignore 模板，它目前拥有高达 9W+的 Star 量。
这一系列模板非常好用，如果我们用 Python 做项目，直接下载对应的.gitignore 文件就行了。这个文件内部大概是这样的：
它会从不同的角度展示 Python 项目到底哪些文件是应该排除在外，不能上传到代码库。总文件有 143 行，我们直接下载用就行，只要再加上几行描述自己项目的语句，.gitignore 就完美了。
项目做完了，README 也不可少，是的，它也有模板。
README 模板
而 README 方面更是家常便饭，首先肯定的是 Readme 的本质，让读者能够以最快速度去了解如何安装或是使用项目。以前为了写一份 README 还要先去找一个成熟项目作为参照，比如耳熟能详的 由 RichardLitt 发起的「Standard Readme」，简单直白的告诉应该写哪些内容，应该如何排版等。
但此次向读者们介绍的是专门针对于 Machine Learning 论文且附代码的 README 书写标准及模板，让你不必在 README 的结构，排版上花更多时间。话不多说，来看参考图：
第一部分肯定是论文的标题，以及包括了可选择一些图表来简单说明所使用的方法、主要结构或者是 bibtex 类型等。接着要简要说明安装要求，比如如何设置环境，如何使用 pip / conda / docker 命令，如何下载数据集等。
而接下来要针对训练来介绍。描述如何训练模型，并在论文中用示例命令去说明该如何训练模型，包括完整的训练过程以及适当的超参数等。
「Evaluation」此一项要介绍如何根据论文中的基准去评估训练后的模型。而之后针对预训练模型，要提供有效链接，如何下载预训练模型，以及简要介绍他们是如何被训练的。而最后，则是输出结果，结果对比以及排行榜等。
其实，从逻辑上看并不难，README 大部分操作是较为麻烦且花时间的，如果有了此模板，很多固定的格式就可以直接套用，省去了不少时间。
LaTeX 模板写论文
如果实验做完了，README 也写好了，发现了惊人的效果，现在该投论文了。不同的大会都有一些格式上的要求，有时候他们也会在 GitHub 上发布 LaTex 论文模板。作为最后一步，本文推荐清华大学的毕业论文模板，它包含了完整的 LaTeX 文件，下载下来并修改内容后，一键就能生成标准的 PDF。
该学位论文 LaTeX 模板，包括本科综合论文训练、硕士论文、博士论文以及博士后出站报告。
项目地址：https://github.com/xueruini/thuthesis
有了这些项目，枯燥无味的文书工作都可以变得更有效率，还不会出错。
