每个教程文件夹的目录结构如下：

• data：存放下载的数据及其脚本。预处理后的数据（可选）和train.list等也放于此。
• pretrained（可选）：存放预训练好的模型，以及下载脚本。
• image：存放图片。需大小适中，img/png格式，且命名不能采用1.img等无法说明该图内容的方式。图内文字最好是中文（不强求），其他网站/论文中合适的图片可以先截图，后续有设计师做统一修改。
• README.md：中文教程。
• 其他文件包括：模型配置.py，训练和预测脚本.sh，预处理脚本（可选）等。注意：上传的.sh文件必须为可执行文件。
• .gitignore：请添加不需要git add的所有文件。

每个中文README.md的小标题：

• 背景介绍：包括历史回顾和问题定义。
• 效果展示：即效果示例图（该小节可选）。
• 模型概览：介绍该教程涉及到的模型，包括对应的公式（不需要推导过程）和模型展示图。
• 数据准备：子标题如下，其中两个可选。
  • 数据介绍与下载
  • 用户自定义数据集（可选）：介绍如何组织用户自定义的数据集，该小节可选。
  • 数据预处理（可选）
  • 提供数据给PaddlePaddle：介绍dataprovider.py，需贴出代码。
• 模型配置说明：训练模型/应用模型都写在一个配置（.py）中。下设三个子标题，需对应贴出代码。
  • 数据定义：介绍define_py_data_sources2的使用。
  • 算法配置：介绍settings的使用。
  • 模型结构：根据模型概览，详细介绍是如何配置的。
• 训练模型：在Paddle上是怎样训练模型的，介绍训练命令及结果。模型输出统一设为model目录。
• 应用模型：在Paddle上是怎样应用模型的，介绍应用命令及结果。
• 总结
• 参考文献：使用谷歌学术搜索中的GB/T 7714格式。

格式要求（md格式）：

• 公式：采用latex格式，分为$ 行内公式 $、$$ 行间公式 $$等。具体请参阅markdown公式指导手册，英文版。
• function格式：文件名如dataprovider.py和代码中的函数名如forward采用该格式；层名如fc不采用该格式。
• 参考文献：GB/T 7714格式请参阅具体步骤，同时在标题中加入文章链接。示例如：Bahdanau D, Cho K, Bengio Y. Neural machine translation by jointly learning to align and translate[J]. arXiv preprint arXiv:1409.0473, 2014.

已有参考：Github Markdown常见问题，如何贡献代码，文档目录，代码目录。