git的基本操作

git进行代码管理

  • git概念

git是分布式版本控制系统

git基本操作

  • 创建版本库
    首先cd进入想要存放该版本库的位置,输入命令mkdir XXX(版本库名称),即创建版本库

alt center

pwd显示当前目录

  • git init 将该目录变成git可管理的仓库

  • git add XXX(文件名)将文件添加到暂存区

  • git commit -m “XXXX”(提交的注释)将文件提交到仓库

  • git status查看是否有文件未提交

alt center

  • git diff test.md 查看文件修改的内容

文件修改后提交仓库时要重复上述步骤

alt center

  • git log 查看历史记录

  • git reset --hard HEAD^ 版本退回

上一版本为HEAD^
上上版本为HEAD^^ 以此类推
版本过多则HEAD~n(n为退回的版本次号)

alt center

alt center

  • cat test.md 查看内容

  • git reflog 可查看退回的版本号

  • git reset --hard 版本号 恢复至该版本

alt center

  • rm test.md 删除工作区文件
  • git rm test.md 删除版本库中文件
  • git checkout --test.md 恢复文件
  • git restore test.md 恢复文件

git checkoutgit restore都为恢复文件的命令,其实就是用版本库里的版本替代工作区。未被添加到版本库的文件,删除之后无法通过该命令恢复。git rm(文件名)命令直接从版本库中删除文件,删除后也无法恢复。

alt center

远程仓库

  • 登陆GitHub创建仓库或使用已有的仓库

  • git remote add origin 仓库地址
    将本地仓库与远程仓库关联

  • git push -u origin master
    将本地库的所有内容推送到远程库

由于远程库是空的,第一次推送master分支时,加上-u参数,git不但会把本地的master分支内容推送的远程新的master分支,还会把本地master分支和远程的master关联起来,在以后的推送或者拉取时就可以简化命令

  • git push origin master
    将本地master分支的最新修改推送至GitHub

alt center

已使用git remote add origin 仓库地址命令关联远程仓库

  • git clone 仓库地址 克隆整个仓库

仓库地址可用HTTPS或者ssh,通过ssh支持的原生git协议速度更快

  • git pull <远程主机名><远程分支名>:<本地分支名>
    拉取远程主机某个分支的更新,再与本地的指定分支合并

要取回origin主机的next分支,与本地的master分支合并

git pull origin next:master

分支管理

  • git branch 查看分支
  • git branch <name> 创建分支
  • git checkout <name> 切换分支
  • git switch <name> 切换分支
  • git checkout -b <name> 创建+切换分支
  • git switch -c <name> 创建+切换分支
  • git merge <name> 合并到某分支到当前分支
  • git branch -d <name> 删除分支

master分支指向提交,HEAD指向当前分支
在dev分支上修改gittest.md不会改变master分支上gittest.md的内容,只有将dev分支合并到master分支上,才可以看到gittest.md文档发生改变。

alt center

alt center

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值