Git常用命令及知识点

git相关的名词解析

git/svn 团队的代码管理工具 git是分布式 svn集中式

git 里包含本地仓库 和远程仓库

github/gitee 一大波远程仓库的集合体

git远程仓库 团队使用在服务器的仓库

git的本地仓库 本地创建随便使用

gui 可视化工具 gitDesktop sourceTree conrestone vscode

.git 隐藏文件 表示git的仓库

工作区 可以可到的写代码的地方叫工作区
暂存区 在git的仓库我们是看不到的用来暂时保存呢提交的修改
分支 将用户的提交和修改按照时间形成一条链叫做分支

版本合并

版本冲突

版本提交

基本指令

git status  // 查看当前仓库分支的一个基本状态

git init    //  在本地初始化一个仓库

git add  <file,dir>  //将工作区的修改提交到暂存区
 
git commit -m '注释'  //将暂存区的修改提交到分支

git log      // 打印提交记录

git log --pretty=oneline  //在一行内打印提交记录

git reflog  //打印所有的git操作记录
 
git branch    //查看本地的所有分支

git branch  -a //产看本地和远程的所有分支

git  checkout -b 分支名   //创建并且切换一个分支

git checkout  分支名  //切换一个分支

git merge 分支名(dev)  //在当前分支合并其他分支(dev)  子分支向母分支合并

git  reset --hard  提交id  //版本的滚动 只能是被git管理的

git diff    //查看暂存区和工作区的区别

git clone url  // 将远程的仓库克隆到本地
git push  origin(远程仓库名) master (分支名)
git pull  origin 分支名  (fecth + commit)
git fetch   拉取代码
git remote add origin url  将本地仓库和远程从仓库建立连接

git branch  -D 分支名删除本地分支
冲突

需要的留着 不需要的删除 —> 良好的交流

git仓库 本地仓库 远程仓库

本地仓库和远程仓库都是仓库 该有的都有
本地仓库 :本地分支 (本地工作区 本地暂存区)
远程仓库 :远程分支 (远程工作区 远程暂存区)

  1. 远程仓库的创建 gitee github 自己在服务器上搭建远程仓库
    • 已经存在一个远程仓库了 通过readme文件自动创建的 也可能是别人创建
      git clone + 地址 将远程仓库克隆到本地

    • 没有远程仓库

    1. 本地通过git init 创建一个远程仓库
    2. git remote add origin + 地址 和远程仓库做关联

git的分支

gitflow git工作流

git 的使用流程 更多是对分支的使用

master 主分支 线上分支 和正在线上运行的代码是一致的
realease 分支 预发布分支 发布前的测试
dev 分支 开发分支
futrue 分支 个人分支 功能分支
bug 分支 线上代码出现bug的时候来解决bug

角色

主程

  1. 和远程仓库过关联
  2. 搭建项目框架
  3. 上传到远程的dev分支
  4. 开发结束之后 将dev分支的代码 合并到master (预上线分支)
    普通开发者
  5. clone 代码
  6. 从dev分支切换出个人分支
  7. 在个人分支进行修改
  8. 将个人分支合并到dev分支
  9. push dev分支 push 之前一定要先更新代码
  10. 将个人分支删除调重新创建
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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