git 辅助命令

熟悉了Git的基本操作之后,再来研究一下Git为我们提供的基础设施服务。正如一个程序员,只会写代码是远远不够的,还得知道怎么吃饭,怎么睡觉,怎么谈恋爱,怎么耍流氓……会了这些才能写出更好的代码,这就是所谓的“基础设施服务”或者“外围服务”。

git config

一般在新的系统上,我们都需要先配置下自己的 Git 工作环境。配置工作只需一次,以后升级时还会沿用现在的配置。当然,如果需要,随时可以用相同的命令修改已有的配置。

Git 提供了一个叫做git config 的工具,专门用来配置或读取相应的工作环境变量。而正是由这些环境变量,决定了 Git 在各个环节的具体工作方式和行为。这些变量可以存放在以下三个不同的地方:

l /etc/gitconfig 文件:系统中对所有用户都普遍适用的配置。若使用 git config时用–system 选项,读写的就是这个文件。

l ~/.gitconfig 文件:用户目录下的配置文件只适用于该用户。若使用 git config时用–global 选项,读写的就是这个文件。

l 工作目录中的 .git/config 文件:这里的配置仅仅针对当前项目有效。若使用 git config时用–local 选项,读写的就是这个文件

每一个级别的配置都会覆盖上层的相同配置。

首先需要配置的是用户名称和电子邮件地址。这两条配置很重要,每次 Git 提交时都会引用这两条信息,说明是谁提交了更新,所以会随更新内容一起被永久纳入历史记录。

比如,用“–local”参数仅作项目级别的修改:

git config --local user.name ‘clf’  
git config --local user.email ‘clf@163.com

上面的两条命名会改变工作目录中的.git/config 配置,打开文件验证一下:

name = clf
email = clf@163.com

发现里面的用户配置已更改。本项目之后的commit会标注这两项用户信息。类似这样:


commit b34fb46
Author: clf<clf@163.com>
Date:   Fri Jul1 11:59:29 2016 +0800

还有一个很有用的配置,就是为Git命令配置别名,可以简化命令输入。例如我们想使用“git st”来作为“git status”的别名,在用户级别生效:

git config --global alias.st status     

以后运行“git st”就相当于运行命令“git status”。

使用“git alias”命令可以查看所有的别名配置:

a   => !git add. && git status
aa  => !git add. && git add -u . && git status
ac  => !git add. && git commit
acm => !gitadd . && git commit -m
au  => !git add-u . && git status
c   =>commit
ca  => commit--amend
cm  => commit-m
d   => diff
l   => log--graph --all --pretty=format:'%C(yellow)%h%C(cyan)%d%Creset %s %C(white)- %an,%ar%Creset'
lg  => log--color --graph --pretty=format:'%C(bold white)%h%Creset -%C(boldgreen)%d%Creset %s %C(bold green)(%cr)%Creset %C(bold blue)<%an>%Creset'--abbrev-commit --date=relative
ll  => log--stat --abbrev-commit
llg => log--color --graph --pretty=format:'%C(bold white)%H %d%Creset%n%s%n%+b%C(boldblue)%an <%ae>%Creset %C(bold green)%cr (%ci)' --abbrev-commit
master =>checkout master
s  =>status

很奇怪,有很多别名我们并没有配置过。其实,这些都是Git默认设置的一些常用命令的别名,当然,可以根据自己的使用习惯来更改。

除了用户信息、别名等,还有很多可配置的信息,使用命令“git config –list”可以查看所有已配置的信息。有时候会看到重复的变量名,那就说明它们来自不同的配置文件(比如 /etc/gitconfig 和 ~/.gitconfig),不过最终 Git 实际采用的是最后一个。

git log

每次commit都会生成一个提交记录,“git log ”就是用来查看提交记录的。

如果不带任何参数,它会列出所有历史记录,最近的排在最上方,显示提交对象的哈希值,作者、提交日期、和提交说明。如果记录过多,则按Page Up、Page Down、↓、↑来控制显示;按q退出历史记录列表。

携带“–stat”参数时,该命令会显示每次提交的更改概要;携带“–n“时,该命令会只显示最近n次的提交记录。

例如,运行命令“git log –stat–2”显示如下:

该命令还有很多可选参数,可以灵活的控制提交记录的显示方式,比如只显示某个日期之后的记录、只显示某个人提交的记录、以图形化的方式显示记录等等,具体可查看Git文档。

使用“gitalias”查看Git的命令别名列表会发现,Git默认设置了四种“git log”的简化命令:

可以直接使用。例如,使用别名“gitllg”会得到这样的显示结果:

关键字变色高亮,左侧还图形化地显示出提交节点(与分支),是不是有种秒变高富帅的感觉?

git diff

该命令用于比较来个文件的差别,显示的格式正是Linux通用的diff格式。

直接运行“git diffreadme.txt”:

diff --git a/readme.txt b/readme.txt
index ebdd200..dab1993 100644
--- a/readme.txt
+++ b/readme.txt
@@ -1,3 +1,4 @@
 this is myfirst git project.
 add one row
 add second row
+add third row --后者与前者相比,增加了该行内容

git help

Git提供了详细的帮助文档,借助“git help”可以查看每个命令的详细说明。

例如,我们想看看“git add”到底都有哪些隐藏技能,果然发现了几个必杀技:

git mv

初看该命令,很容易认为这是一个移动文件的操作,事实上,该命令一般用于文件的重命名。

不像其他的版本管理系统,Git 并不跟踪文件移动操作。如果在Git 中重命名了某个文件,仓库中存储的元数据并不会体现出这是一次改名操作。不过 Git 非常聪明,它会推断出究竟发生了什么。

即便如此分开操作,Git 也会意识到这是一次改名,所以不管何种方式都一样。当然,直接用git mv 轻便得多。

git ignore

一般我们总会有些文件无需纳入 Git的管理,也不希望它们总出现在未跟踪文件列表。通常都是些自动生成的文件,比如日志文件,或者编译过程中创建的临时文件等。

1、在Git工作目录下创建“.gitignore”文件

2、通过配置.git/info/exclude文件来忽略文件,规范与.gitignore类似。这种方式只能对自己本地仓库有作用,其他人没办法通过这种方式来共享忽略规则,除非他人也修改其本地仓库的该文件。

3、通过.git/config配置文件的core. Excludesfile选项,指定一个忽略规则文件(完整路径)。

该配置项的意思是,用户目录下的.gitignore是忽略配置文件,Git会从该文件中读取哪些文件应该被忽略。如果将配置项改为:

那么Git将会从名为“Gitignore.txt”的文件中读取信息,而不是原来的“.gitignore”。不过除非特殊需要,尽量遵从Git的默认规则。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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