在算法训练过程中，一个项目会包含以下的文件：数据集、代码、模型、任务的输出。
我们针对以上四种文件类型，进行了隔离存放：
| 文件夹 | 具体作用 | 读写权限 |
|---|---|---|
| /data/$username/$dataset_name | 用于存放名为$dataset_name的数据集 | 本人所属的私有数据集可写，其他仅可读。公开数据集（即使是本人所公开的）或他人分享的数据集，都不可写 |
| /code | 用于存放该项目中用户上传的代码 | 仅调试环境可写。确切地说，仅调试环境下所做的更改会被保存，执行环境下虽然也可以向这个目录写入，但并不会被持久化保存 |
| /model/$username/$model_name | 用于存放名为$model_name的预训练模型 | 同数据集 |
| /output | 用于存放该项目中某个任务的输出文件 | 可写，但仅限于本次任务可读，你无法跨任务读到其他的/output，也就是说，如果你的输出希望在多个任务间共享，那不要使用这个目录，而是用数据集目录 |
| /myproject_outputs | 该项目下所有任务的输出，以任务编号分目录存放 | 只读。这一目录是为了便利下载。 |
举例：
比如创建项目"DemoProject"，在创建项目时，选择了数据集"MNIST"，并选择预训练模型"ResNet"（假设这个数据集和模型是用户名为bitahub的用户公开发布的），然后上传了一个"main.py"的代码文件，那么此时：
- main.py代码文件，将会放入项目的 /code 目录；
- 在main.py文件中，如果需要获取MNIST数据集文件，需要使用 /data/bitahub/MNIST/… 的格式；
- 在main.py文件中，如果需要获取ResNet模型中的文件，需要使用 /model/bitahub/ResNet 的格式；
- 在main.py文件中，如果想保存模型训练后的参数，请使用 /output/checkpoint.pth 类似的目录。
注意：
- 每个任务都有独立的/output，这是它与
数据集和模型的不同处，也就说同一个项目下，每一个任务看到的 /data和/model在实际存储上是同一份，而/output则不是。 - 那每个任务看到的/code是同一份吗？这个要分情况讨论：（1）如果启动的是
调试任务，则是同一份，是最新的代码；（2）如果启动的是执行任务，那么提交任务时，系统会自动对代码用git工具打上tag，任务看到的是这一时刻tag对应的版本。每一个任务详情页中有代码快照栏目，显示的是对应tag下的代码文件。