git分布式版本控制工具

一,解决的问题

它不但会帮你记录每次文件的改动,还可以让同事协作编辑,也不需要把文件传来传去,这样就不用自己管理一堆类似的文件,想要查看某次改动时,也很方便

二,集中式版本控制系统vs分布式版本控制系统

集中式版本控制系统(SVN,CVS)版本库集中存放在中央服务器的用的都是自己的电脑,所有要先从中央服务器取得最新的版本,然后开始干活,干完活后再把自己的活推送给中央服务器。中央服务器就像是图书馆,你要该一本书,必须先从图书馆借出来,然后回家改,改完后再放回图书馆。它最大的问题是必须联网才能工作

分布式版本控制系统没有“中央服务器”,每个人的电脑上都是一个完整的版本库,这样你在工作的时候就不需要联网,协作的时候只有把各自的修改推送给对方就可以,而且他的安全性要更高,因为每个人的电脑都有一个完整的版本库,实际使用的时候它也有一台电脑充当“中央服务器”,但是他的作用只是为了让大家交换数据更加方便而已。

版本控制系统只能跟踪文本文件的改动,网页,所有程序代码等等,而图片,视频这些二进制文件,虽然也能由版本控制系统管理,但是没法跟踪文件的变化,比如图片只能知道图片从100KB改成120KB

Git比其他版本控制系统优秀的地方在它跟踪的是修改,而不是文件,分布式版本系统最大的好处之一是在本地工作的时候不需要考虑远程的存在

Git支持多种协议,包括HTTPS,SSH但通过SSH的速度快

三,名词解释

工作区:就是你在电脑上看到的目录

版本库:工作区有一个隐藏文件.git不是工作区,而是Git版本库

版本库里有很多东西其中最重要的就是暂存区,还有Git为我们自动创建的第一个分支master,以及指向master的一个指针叫HEAD

四.基本操作

1>Git提交数据

git config --global user.name “shisha”

git config --global user.email “465909671”

mkdir testgit   //创建文件

git init        //把这个目录变成可管理的仓库(.git用来跟踪管理版本

git add.    //添加到仓库,添加到暂存区

git commit -m”描述” //把这个文件提交到仓库可以一次提交很多文件,把暂存区的内容提交到当前分支

git status   //查看当前状态

git diff  readme.txt   //可以查看和上次相比具体修改了什么

2>版本回退

git log   //查看历史记录(从最近到最远的显示日志)

git log --pretty=oneline (cmmit id是SHA1计算出来的很大的数字是因为,在多人在同一版本库工作时防止冲突)

git reflog   //记录你的每一次命令

git reset  --hard HEAD^//把当前的版本回退到上一个版本,(HEAD表示当前版本

git reset  --hard HEAD^^//把当前的版本回退到上上个版本

git reset  --hard HEAD~100//回退到前100个版本

git reset  --hard 版本号

Git的版本回退速度很快是因为有一个指向当前版本的HEAD指针,当回退的时候仅仅是HEAD从指向当前到要回退的地方,顺便把工作区文件更新了。

3>Git撤销修改

在提交之前你发现有错,你可以回到上一版本

git checkout  --  readme.txt //可以丢掉工作区的修改,可以回到最近一次git add和git commit的状态

这里有两个意思:

  1. readme.txt自修改后还没有被放到暂存区,现在撤销修改就回到和版本库一模一样的状态
  2. readme.txt已经添加到暂存区后,又做了修改,现在撤销修改就回到添加暂存区后的状态

git reset HEAD file //可以把暂存区的修改回退放到工作区

4>git删除文件

rm file  //直接在文件管理其中把没用的文件删除(工作区和版本库不一致了)

git rm file 删掉并且git commit //要在版本库中删除该文件

误删了版本库还有可以使用git checkout  -- file

5>远程仓库

Github是提供Git仓库托管服务的,Github仓库和Git仓库之间的传输是通过SSH加密的

第一步创建:SSH Key

 ssh-keygen -t rsa -Cyourmail@example.com

Github需要SSH Key是因为Github需要识别出你推送的提交确实你推送的而不别人冒充的而Git支持SSH协议,所以Github只有知道你的公钥就可以确认只有你自己才能推送。

现有本地库再有远程库

git remote add origin https://github.com/tugenhua0707/testgit.git    //关联一个远程仓库

远程仓库的名字就是origin,Git的默认叫法

git push -u origin master //本地库的内容推送到远程库上

git push 命令实际上是把当前分支master推送到远程仓库,由于远程仓库是空的我们第一次推送master分支的时候加上-u参数,Git不但会把本地master分支内容推送到远程新的master分支,还会把本地的master分支和远程master分支关联起来,在以后推送或者拉取就可以简化命令

以后只要本地做了提交,就可以

git push origin master  //把本地分支的最新修改推送到Github

从零开发,最好的实现创建远程库然后从远程库克隆

勾选Initialize this repository with a README,这样Github会自动为我们创建一个README.md文件

git clone  https://github.com/tugenhua0707/testgit.git 

6>分支管理

分支的作用就是比如要开发一个新的功能,需要好几周,但是你现在只写完了50%的代码,如果立即提交由于代码没有写完,不完整的代码会导致别人不能干活,如果等到代码写完再一次提交由存在丢失的风险,分支就是你创建一个属于你自己的分支,别人看不到,还继续在原来的分支上正常工作,而你在自己的分支上干活,想提交就提交直到开发完毕,在一次性合并到原来的分支,这样既安全又不影响别人的工作

Git创建分支非常快,例如创建一个dev时,git新建一个指针叫dev,指向master相同的提交,再把HEAD指向dev,就表示当前分支在dev上

不过这之后对工作区的修改和提交就是针对dev分支,新提交一次,dev指针就往前移动一步,而master分支不变

我们把dev分支合并到master分支上,最简单的就是直接把master指向dev的当前提交就完成了合并

合并之后甚至可以删掉dev分支就是把dev指针删掉

 

git checkout –b name  //表示创建并切换

git branch name   //创建分支

git checkout name  //切换分支

git branch  //查看分支

转换到主分支,然后把dev分支合并到master上

git merge dev  //命令用于合并指定分支到当前分支上

git branch -d dev  //删除dev分支

如果丢弃一个没有被合并过的分支使用:

git branch -D dev

6>解决冲突

Git用<<<<<<<,=======,>>>>>>>标记出不同分支的内容,其中<<<HEAD是指主分支修改的内容,>>>>>fenzhi1 是指fenzhi1上修改的内容

先解决解决冲突,在提交,合并完成

git log  --graph   //可以看到分支合并图

7>分支管理策略

分支在合并是,Git会用Fast forward模式,但在这种模式下删除分支后,会丢掉分支的信息,如果强制禁用Fast forward模式。Git就会在merge时生成一个新的commit,这样从分支历史上就可以看出分支信息

git mergr --no-ff -m信息    dev  //合并禁用Fast forward模式

  1. bug分支

你的工作还没有提交,但是现在要先修复bug可以

git stash   //可以把当前工作现场“储存”起来,等以后恢复现场后继续工作

在用git status查看工作区是干净的

现在可以放心的创建分支来修复bug

git stash list     //查看

git stash pop    //恢复的同时把stash内容也删掉

git stash apply   //恢复后,stash内容不会删除

git stash drop   //来删除stash内容

9>多人协作

git remote   //查看远程库的信息

git remote –v   //查看远程库的详细信息

git pull  //把最新的提交从origin/dev抓下来,然后在本地合并,解决冲突,再推送。合并有冲突,需要手动解决

git rebase //把分叉的提交历史“整理”成一条直线,看上去更直观,缺点是本地的分叉提交已经被修改过

10>标签管理

tag是一个让人容易记住的有意义的名字,它跟某个commit绑在一起

git tag v1.0    //切换到要打标签的分支上,运行这个

git tag  //可以查看所有的标签

如果忘记打标签,可以先找到commit id

git tag v1.0 commit id

git show tagname  //查看标签信息

git tag -a tagname -m信息

11>git命令比较:

1.git pull和git fetch

git pull不仅拉取到本地还merge到本地分支中

git fetch只是拉取到本地

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。
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