Git学习笔记

最新推荐文章于 2023-07-18 15:43:07 发布
最新推荐文章于 2023-07-18 15:43:07 发布
阅读量124 收藏
点赞数 1
分类专栏： 个人笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34754162/article/details/108430534
版权

Git学习笔记

Git介绍

个人学习Git笔记，没有任何参考价值，所有记录全是个人理解加习惯
liunx大神的意外之作

去中心化？搞比特币？

Git安装

下载适合自己的版本，一直下一步就可以

Git结构

本地仓库

工作区：也就是你写代码的地方

暂存区：打算提交，还没提交，临时存储的区域

本地库：存储的历史版本库区域

工作区——>git add——>暂存区——>git commit——>本地库

创建本地仓库流程
1、创建本地文件夹

在这里插入图片描述

2、初始化本地仓库

前提条件：设置好签名——用户名和邮箱

打开“Git Bash Here”

执行“git init”

查看“ll -la”
在这里插入图片描述

3、创建一个示例文件

在这里插入图片描述

4、提交到暂存区

git add 文件名或者文件夹名

在这里插入图片描述

5、提交到本地仓库

git commit -m “描述信息” 文件名

在这里插入图片描述

远程仓库

局域网环境下：可以自己搭建GitLab服务器作为代码托管中心

外网环境下：可以基于GitHub或者Gitee作为代码托管中心

分支

介绍

在版本控制过程中，使用多条线同时推进多个任务。这个时候就可以使用不同的分支进行代码管理推进。

通过不同的分支，我们可以更好地管理代码的版本回溯；防止主分支代码污染；互不干扰，提交开发效率。
在这里插入图片描述

分支操作

创建分支
git branch [分支名]
查看分支
git branch -v # 前面的*表示当前你在哪个分支

在这里插入图片描述

切换分支
git checkout [分支名]

在这里插入图片描述

分支开发

在对应的分支下进行commit即可
在这里插入图片描述

在不同的分支下可以看到不同的代码，通过切换可以看到效果
在这里插入图片描述

合并分支

将其他分支合并到主分支（如果是合并到其他分支就进入需要合入的分支）

1、进入主分支

2、将需要合并的分支与主分支合并

git merge [分支名]

在这里插入图片描述

3、如果合并有冲突

  • 删除不想要的，留下想要的

    操作文件保留想要的

  • git add

  • git commit -m “”（不可以带文件名）

演示操作：

  • 切换到其他分支，对文件进行操作

在这里插入图片描述

  • 提交到本地仓

在这里插入图片描述

  • 切换到需要合入的仓库，并修改该文件，提交到本地仓
    在这里插入图片描述

  • 合入

在这里插入图片描述

  • 重新修改文件提交
    在这里插入图片描述
提交分支

将本地创建的分支提交到远程仓库

sun@SUNZHINAN MINGW64 /e/item/demo (master)
$ git checkout dev # 切换分支
Switched to branch 'dev'

sun@SUNZHINAN MINGW64 /e/item/demo (dev)
$ git remote -v # 查看别名和远程仓库地址
origin  git@github.com:sunzhinan/demo.git (fetch)
origin  git@github.com:sunzhinan/demo.git (push)

sun@SUNZHINAN MINGW64 /e/item/demo (dev)
$ git push origin dev # 提交分支
Total 0 (delta 0), reused 0 (delta 0)
remote:
remote: Create a pull request for 'dev' on GitHub by visiting:
remote:      https://github.com/sunzhinan/demo/pull/new/dev
remote:
To github.com:sunzhinan/demo.git
 * [new branch]      dev -> dev
 
 # 完成！

GitHub

将本地代码推送到远程仓库

1、注册账号

2、创建GitHub远程仓库

new repository

3、本地仓已创建

可以通过remote先设置远程仓库的别名

4、执行git push [.git地址] [分支]

克隆代码

git clone [.git地址]

推送代码

git push [.git地址] [分支]

其他用户需要邀请加入团队

添加用户，复制邀请链接，登录该用户账号将链接输入地址栏接受邀请

拉取代码

git pull [远程仓地址或者别名] [分支]

或者使用

git fetch + git merge

GitLab

冲突解决办法

冲突一般都是不同开发人员操作同一文件，同时合入主仓导致的问题

同一团队

加入了项目团队成员

1、先pull，查看冲突位置，修改文件

2、修改为好文件后，向服务器推送

git add

git commit -m “”（解决冲突问题不可以带冲突文件名）

git push [远程仓库地址或者分支名] [分支]

跨团队

没有加入团队，只是fork了代码

1、fork代码

2、将代码克隆到本地git clone

3、提交修改到自己fork仓

4、发送申请pull request

IDEA解决冲突

1、push后有冲突，会提示错误，点击“Merge”；弹出提示框，在点击“merge”进行合并操作。合并好了点击“apply”

2、再次push就可以了

IDEA集成Git

setting——control——git

Git 常用命令

git version

查看git版本

git init

创建本地仓库

git add

提交到暂存区

git commit

提交到本地仓

git status

查看工作区和暂存区状态（提交到本地库的看不到）

git log/git reflog

查看提交日志

git reset/git revert

git reset ：可以进行历史版本的前进或者后退，也可以通过该命令找到commit后删除的文件

1、只是git add还没commit

git reset HEAD .

# 或者
git reset HEAD xxx.java

2、如果已经commit到本地仓库还没push到远程仓库

# 方法一
git reset --hard HEAD^	# 回到最新一次修改
# 推荐（需要注意最后的^号，意思是commit_id的前一次提交）
git reset HEAD^	# 保留代码回到最新一次修改，

# 方法二配合commit_id
git log # 查看提交历史
git reset --hard [commit_id] # 回到你想回到的这个版本
## hard：会重置工作区和暂存区的代码
## mixed：重置暂存区，工作区还在
## soft：不会重置暂存区和工作区

在这里插入图片描述

3、如果已经push到远程仓库

# 方法一
git log # 查看commit记录
git revert ]commit_id] # 撤销到指定的版本

# 方法二
git log # 查看commit记录
git reset --hard [commit_id] # 回到你想回到的这个版本
git push origin HEAD --force # 重要，强制提交一次，将之前的错误从远程仓库删除
git diff

比对文件差异——工作区和暂存区的文件内容差异

1、已经将文件提交到本地仓库

2、修改已经提交的文件

# 单个文件比对
git diff [文件名]

# 多个文件比对
git diff

# 如果需要比较暂存区和本地仓库的差异
git diff HEAD [文件名] # 和最新的本地库比较
# 或者
git diff [commit_id] [文件名] # 和对应的commit_id版本比较
git remote

查看别名

git remote -v

新增别名

git remote add [别名] [远程仓地址]
git fetch

也是拉取代码，git fetch+git merge = git pull

git fetch [远程库地址] [分支]
# fetch只是将远程库的内容下载到本地库，所以工作区是看到新抓取的文件和内容的
#使用merge合并
git merge [远程仓地址或者别名]/[、分支]
git checkout
# 本地仓切换
git checkout [分支]
# 远程仓切换
git checkout [远程仓地址或别名]/[分支]

查看别名

git remote -v

新增别名

git remote add [别名] [远程仓地址]
git fetch

也是拉取代码，git fetch+git merge = git pull

git fetch [远程库地址] [分支]
# fetch只是将远程库的内容下载到本地库，所以工作区是看到新抓取的文件和内容的
#使用merge合并
git merge [远程仓地址或者别名]/[、分支]
git checkout
# 本地仓切换
git checkout [分支]
# 远程仓切换
git checkout [远程仓地址或别名]/[分支]
勿白头空悲切
关注
专栏目录
git学习笔记
04-21
### Git学习笔记知识点详解 #### 一、Git基础命令与工作流程 - **初始化仓库**：使用`git init`命令可以将当前目录初始化为一个新的Git仓库。 - **添加文件到暂存区**：通过`git add <file>`命令将指定文件加入到...
Git学习笔记.pdf
02-02
Git是一款广泛使用的分布式版本控制系统，由Linus Torvalds于2005年发起，旨在快速高效地处理项目中源代码的变更。版本控制系统的主要目的是帮助团队协作，追踪文件变更历史，以及能够在不同版本之间进行切换。版本...
Git 学习笔记
starry-sea1412的弃坑之路
07-18 1243
Git 仓库中的提交记录保存的是你的目录下所有文件的快照，就像是把整个目录复制，然后再粘贴一样，但比复制粘贴优雅许多！Git 希望提交记录尽可能地轻量，因此在你每次进行提交时，它并不会盲目地复制整个目录。条件允许的情况下，它会将当前版本与仓库中的上一个版本进行对比，并把所有的差异打包到一起作为一个提交记录。Git 还保存了提交的历史记录。这也是为什么大多数提交记录的上面都有 parent 节点的原因 —— 我们会在图示中用箭头来表示这种关系。对于项目组的成员来说，维护提交历史对大家都有好处。
git学习笔记.zip|git学习笔记.zip
11-29
在“git学习笔记”中，我们通常会涵盖以下几个核心知识点： 1. **Git安装与配置**：首先，我们需要了解如何在不同的操作系统（如Windows、MacOS或Linux）上安装Git，并设置用户信息，包括用户名和邮箱，这些信息会...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip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。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
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。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
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。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
c#代码介绍23种设计模式-03工厂模式(附代码)
09-21
1. 工厂方法模式之所以可以解决简单工厂的模式： 是因为它的实现把具体产品的创建推迟到子类中，此时工厂类不再负责所有产品的创建，而只是给出具体工厂必须实现的接口， 这样工厂方法模式就可以允许系统不修改工厂类逻辑的情况下来添加新产品，这样也就克服了简单工厂模式中缺点 2. 使用工厂方法实现的系统，如果系统需要添加新产品时： 我们可以利用多态性来完成系统的扩展，对于抽象工厂类和具体工厂中的代码都不需要做任何改动。 例如，我们我们还想点一个“肉末茄子”，此时我们只需要定义一个肉末茄子具体工厂类和肉末茄子类就可以。而不用像简单工厂模式中那样去修改工厂类中的实现 3. 从UML图可以看出，在工厂方法模式中，工厂类与具体产品类具有平行的等级结构，它们之间是一一对应的。针对UML图的解释如下： Creator类：充当抽象工厂角色，任何具体工厂都必须继承该抽象类 TomatoScrambledEggsFactory和ShreddedPorkWithPotatoesFactory类：充当具体工厂角色，用来创建具体产品 Food类：充当抽象产品角色，具体产品的抽象类。任何具体产品都应该继承该类 Tom
基于深度学习对法国租界地黑白照片上色模型.zip
09-21
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。
集团公司战略管理制度.doc
09-21
集团公司战略管理制度.doc
git学习笔记 巨轮
12-29
git学习笔记是我在学习git版本控制工具时做的总结和记录。git是一个非常强大的分布式版本控制工具，可以帮助团队协作开发和版本管理。在学习过程中，我深刻理解到git的分支管理和代码合并的重要性，以及如何通过git的命令进行版本控制和代码管理。 在学习过程中，我首先了解到git的基本概念和工作原理，包括仓库、分支、提交、合并等。然后我学习了如何通过命令行或者图形化工具来操作git，包括如何创建仓库、提交代码、创建分支、合并分支等。 在实际操作中，我遇到了很多问题和挑战，比如解决冲突、撤销操作、回滚版本等。但是通过不断的学习和实践，我逐渐掌握了git的一些高级技巧和操作方法，提高了自己的版本控制和代码管理能力。 在学习过程中，我还结合了一些实际案例和项目经验，总结了一些最佳实践和经验教训，如何合理地组织git仓库结构，如何规范提交信息，如何处理大型项目的版本管理等。 通过这份学习笔记，我不仅对git有了更深入的理解，也提高了自己在团队协作和代码管理方面的能力。我相信这些学习成果会对我的工作和职业发展有很大的帮助，也希望这份学习笔记可以帮助更多的人学习和掌握git。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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