我来自 Java 背景，对 Python 完全陌生。
现在我有一个 Python 项目，其中包含一些 Python 脚本和存储在 Git 中的 pickle 文件。 pickle 文件是序列化的sklearn 模型。
我想知道如何组织这个项目。我认为我们不应该将泡菜文件存储在 Git 中。我们可能应该将它们作为二进制依赖项存储在某个地方。
这有意义吗？ Python项目二进制依赖的常用存储方式是什么
【问题讨论】：
Git 可以处理二进制数据。例如，许多项目存储例如git repos 中的图片。
我猜，经验法则是决定您的二进制文件是源材料、外部依赖还是中间构建步骤。当然，没有严格的规则，所以只要决定你对它们的感觉。以下是我的建议：
如果它们（可重复地）从某些东西生成，.gitignore 二进制文件并具有构建必要数据的脚本。它可以在同一个仓库中，也可以在单独的仓库中——这取决于感觉最好的地方。
如果它们是从某些外部来源获得的，则适用相同的逻辑，例如外部下载。通常，我们不会将依赖项存储在存储库中——我们只保留对它们的引用。例如。我们不保留 virtualenvs，而只有 requirements.txt 文件——Java 世界的类比（粗略的近似）就像没有 .jars 而只有 pom.xml 或 build.gradle 中的依赖项部分。
如果它们可以被视为源材料，例如如果您使用 Python 作为编辑器来操作它们 - 不必担心文件的二进制性质，只需将它们放在您的存储库中即可。
如果它们不是真正的源材料，但它们的生成过程确实很复杂或需要很长时间，并且这些文件不打算定期更新 - 我认为不会将它们放在回购中是非常错误的。当然，留下关于文件是如何生成的注释（README.txt 或其他内容）是个好主意。
哦，如果文件很大（例如，数百兆字节或更多），请考虑查看 git-lfs。
【讨论】：