GIT如何回滚远程库代码

IDEA整合GitLab并进行分支使用 IDEA整合GitLab并进行使用一:IDEA安装GitLab插件二:检出项目 一:IDEA安装GitLab插件 打开IDEA,“File” — “Setting” — “Plugins” --“搜索gitlab” – “安装完后重启” 二:检出项目 从gitlab上面检出项目,File->New->Project From Version Control->Git 然后在新的弹框中输入gitlab地址,点击clone,clone完成之后打开即可 ... 阅读详情

工作中偶尔会遇到推错代码到远程库的问题,代码说下,push错代码之后,如何进行回滚:

1.获取提交日志

 git reflog

(base) xxx@bogon xx % git reflog
c0ecadd (HEAD -> dev, origin/dev) HEAD@{0}: commit: faet:误提交代码
7407fc4 (origin/featch, featch) HEAD@{1}: checkout: moving from master to dev
b981b4e (origin/master, origin/HEAD, master) HEAD@{2}: commit: fixbug
20ab847 HEAD@{3}: commit: feat:兼容android10以上进程内存获取
56063d7 HEAD@{4}: commit: feat:增加app运行时堆内存使用情况
d9272e2 HEAD@{5}: reset: moving to d9272e242dca3d8076e0b03a0af474fd6fc6add5
b6ee14c HEAD@{6}: reset: moving to b6ee14c74d439da260dab6730632dd99f5e5d945
53bf04f HEAD@{7}: commit: feat:测试2
b6ee14c HEAD@{8}: reset: moving to b6ee14c74d439da260dab6730632dd99f5e5d945
b6ee14c HEAD@{9}: reset: moving to b6ee14c74d439da260dab6730632dd99f5e5d945

c0ecadd 这个位置的提交是我们的错误提交,已经在远程库了,现在我们向把代码会滚到7407fc4这个提交,可以执行第二步

2.将本地代码回推到指定提交的位置

 git reset --hard 7407fc4

此时会推的代码,就是7407fc4这个我们要回滚的代码了

3.将代码提到远程,此时要进行强制提交

git push origin master --force

此时已经提交成功,此时远程的代码就是回滚成功的代码了,就像你从来没提交过一样。

4.补充:

4.1 git reset --hard,一定要用hard吗?

这是android studio上的解释,大家可以根据需要进行设置,不过既然是误提交,就说名这个提交都不需要,直接使用hard就行了。

4.2 只能使用git reset --hard吗?

还可以通过git reset --hard HEAD@{1},直接回到刚才的那个结点,{}中表示的是结点的序号

 

Git问题:代码提交到错误分支了?别慌,教你两招完美回滚! 方法适用场景优点缺点git reset个人分支、需彻底删除提交干净利落,不留痕迹强制推送可能影响团队协作git revert团队协作分支、需保留历史安全可靠,可追溯历史提交历史中会多出一条记录个人开发分支优先用reset,团队协作分支务必用revert!推送前务必检查分支名称,避免低级错误! 阅读详情

相关推荐

STM32 移植LwIP 实现网线插拔自动恢复

STM32 移植LwIP 之后,能正常联网通讯,但是发现2个问题, 1、上电初始化前,未插入网线,之后就无法获取到IP地址(DHCP) 2、正常通讯过程中,拔掉网线,然后插回去,不知道如何复位 先看一下LWIP初始化代码 /** * LwIP initialization function */ int MX_LWIP_Init() { /* Initilialize the LwIP stack with RTOS */ tcpip_init( NULL, NULL );

tiantangmoke的博客 8075

git 回滚代码

右击要回滚的代码版本记录 1 ,点击copy Revision Number 赋值版本号。版本号复制到 To Commit , ReseType 选择hard。git reset --hard 执行命令即可。右击项目 git--> Reset HEAD。

weixin_41806196的博客 6785

Ascend C 算子开发遇到的问题及解决方法

在学习Ascend C算子开发进阶课程的时候,进行Ascend C自定义算子工程、算子调用等实验,在开发环境中遇到了一些问题,在这里记录一下。首先如果在启智社区CANN版本为6.3 ,要进行Ascend C算子开发,需要更新CANN版本。

qq_45257495的博客 5109

git代码撤销回滚只看这一篇就足够了!

git工具下的代码撤销和回滚操作是大家经常遇到的一个场景,本篇只单独讲一下这部分的应用。

凌大大的博客 3万+

#Linux内存管理# 用一个案例详细介绍ARMv7-A架构 缺页中断处理的原理

跳转到异常向量:根据 异常向量表基地址(通常配置在 VBAR 寄存器中,例如 0xFFFF0000) + 数据中止异常的偏移量 0x10,跳转到数据中止异常的处理程序入口点 0xFFFF0010(实践中,这个入口通常是一条跳转到更复杂处理函数的指令)。malloc 通常不会立即分配物理内存页,它只是在内核为该进程维护的虚拟地址空间中找到一段足够大的空闲虚拟地址区域(比如 0x00008000 - 0x00008FFF),标记为已用,并返回起始地址(例如 0x00008000)给程序。

sinat_37817094的博客 993

Word公式一键转MathType保姆级教程(附omml2mml.xsl报错终极解决方案)

本文提供Word公式一键转MathType的保姆级教程,重点解决常见的omml2mml.xsl报错问题。通过详细分析报错原因、官方解决方案实操步骤及转换后格式优化技巧,帮助用户高效完成公式转换,适用于科研论文和商业文档编辑。

weixin_30082367的博客 568

回滚master代码_git 远程代码回滚master-Go语言中文社区

人总是会有犯错的时候,所以我们的代码有时候就需要回滚。当我们要回滚的代码还没有提交到远程的时候,可以进行本地回滚,较为简单。一、 本地回滚git reset回退内容到上一个版本。就像现在的自己为成年人,想要回退到童年,直接用gitreset命令,直接回退到小时候。$ git reset --hard 22f8aae 。22f8aae 为某次提交的提交号。可以用git命令进行回退,也可以在in...

weixin_28700593的博客 797

Vue3 - 实现集成配置百度语音识别转文字,长按或开启录音并将录音文件实时转换为文字,上传音频文件利用百度语音识别API转换为文本并展示(vue3百度智能云API实现上传录音文件并转换成文字案例)

vue3对接百度智能云语音识别,vue3 h5移动端网页中实现语音识别,百度语音识别录音转文字_百度智能云,vue3如何使用百度语音识别,如何将语音转文字,使用vue3实现录音并将录音转换为文字,vue3如何实现语音输入功能功能,vue3集成百度智能云API实现录音转文字详细教程完整示例代码demo,VUE3使用百度语音识别语音转文字,vue调用百度语音识别,vue3百度语音识别文字并展示功能,vue3免费语音转文本api,百度语音识别申请配置教程,Vue3项目配置自定义界面百度语音识别转文字和原生使用方式

🏆 前端领域优质创作者 2730

git远程库代码版本回滚方法问题 关于远程代码回滚

最近使用git时, 造成了远程库代码需要回滚到之前版本的情况,为了解决这个问题查看了很多资料。问题产生原因: 提交了错误的版本到远程库。以下是解决的方法, 供大家参考:1.对本地代码库进行回滚git log 查看提交历史,找出要回滚到的commit-id git reset --hard commit-id :回滚到commit-id git reset --hard HEAD~3:将最近3次的提...

zcw4237256的博客 689

03. 线性规划与混合整数规划 (LP/MIP)

本文介绍了OR-Tools中的线性规划(LP)和混合整数规划(MIP)求解器。主要内容包括:1) LP/MIP的基本概念和数学形式,对比了LP、MIP、ILP和BIP的区别;2) OR-Tools支持的求解器类型,如GLOP、SCIP等,以及它们各自的特点和适用场景;3) 详细展示了如何使用GLOP求解器进行线性规划求解,包括变量定义、约束添加和目标函数设置;4) 介绍了SCIP求解器的配置和使用方法;5) 讨论了变量类型、约束类型、多目标优化等进阶功能。文章通过Java代码示例演示了如何实现一个完整的优化

智慧是做事用的 161

零基础实战:云开发家政维修小程序搭建指南

欢迎来到这本关于构建家政维修小程序的电子书!在当今数字化的浪潮中,线上服务已成为我们生活中不可或缺的一部分。从点餐购物到居家维修,人们越来越习惯通过指尖轻点来解决各种需求。正是基于这样的背景,我们希望通过这个系列,手把手地带领大家从零开始,搭建一个功能完备、体验流畅的家政维修平台。这不仅仅是一本技术教程,更是一次将想法变为现实的探索之旅。我们将深入浅出地讲解如何运用云开发等现代技术,实现从用户下单、支付,到客服派单、工人接单,再到订单完成和权限管理等一系列核心业务流程。

低代码布道师的博客 3434

git远程代码回滚_git远程库代码版本回滚方法

最近使用git时, 造成了远程库代码需要回滚到之前版本的情况,为了解决这个问题查看了很多资料。问题产生原因: 提交了错误的版本到远程库。以下是解决的方法, 供大家参考:1.对本地代码库进行回滚git log 查看提交历史,找出要回滚到的commit-idgit reset--hard commit-id :回滚到commit-idgit reset--hard HEAD~3:将最近3次的提交回滚2...

weixin_39842918的博客 431

从0开始图形学(光栅化)

从0开始图形学

A112459的专栏 2397

git远程库代码版本回滚方法

最近使用git时, 造成了远程库代码需要回滚到之前版本的情况,为了解决这个问题查看了很多资料。 问题产生原因: 提交了错误的版本到远程库。 以下是解决的方法, 供大家参考: 1.对本地代码库进行回滚 git log 查看提交历史,找出要回滚到的commit-id git reset --hard commit-id :回滚到commit-id git reset --hard HE...

weixin_33948416的博客 117

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

PIC工频正弦波逆变器全套工程方案

工频逆变器是将直流电转换为50Hz/60Hz标准正弦交流电的关键电力电子设备,其核心在于能量传递路径的确定性与低电磁干扰特性。相比高频方案,工频拓扑依托变压器天然滤波能力,可实现THD<3%、EMC一次过认证、无风扇散热等工程优势。控制层面,PIC单片机凭借确定性中断响应(<2μs)、硬件PWM死区精度(62.5ns)及工业级可靠性,在成本敏感型中功率场景(1–3kW)中展现出比ARM/DSP更优的性价比与量产鲁棒性。本方案覆盖从LM324基准振荡器、IRFP460全桥驱动、三级硬件保护到PCB热仿真与TH

weixin_34253126的博客 488

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

git远程代码回滚_Git远程库版本回滚

【远程代码库回滚】:这个是重点要说的内容,过程比本地回滚要复杂应用场景:自动部署系统发布后发现问题,需要回滚到某一个commit,再重新发布原理:先将本地分支退回到某个commit,删除远程分支,再重新push本地分支操作步骤:1、git checkout the_branch2、git pullD:\FitProject\NPS>git pullremote: Counting objec...

weixin_39968722的博客 396

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

gitlab远程库代码版本回滚方法

最近使用gitlab用jenkins发布生产版本时, 出现了开发版本没有问题,但发布生产版本出现问题的现象,所以需要进行及时回滚之前的版本。

宁波阿成的博客 5074

git强制更新覆盖本地_能提交到远程的Git回滚

很多情况下我们需要回滚代码,最容易想到的就是git reset。但是git reset有个弱点,它是一个彻底的回滚,不能再提交给远程了,因为在提交记录里回滚点之后的记录都不见了。做一下试验,一个文件我们提交了三次之后回滚git reset --hard HEAD~2 #往前回滚两次的提交回滚完成之后用git log命令查看发现只有第一次提交的记录了,这个时候如果推送到远程,远程git库肯定是拒绝的...

weixin_36105232的博客 885

8 个不常见但很有用的 Git 命令

1. 拉取远程代码并且覆盖本地更改 2. 列出远程和本地所有分支 3. 强制更新远程分支 4. 回滚一个 merge 5. 修改之前的提交记录或者很久前提交的记录 6. 使用多个远程代码库,并且使用多个不同的 SSH Key 7. 和外部团队协作需要的维护多个远程库,合并其他库的更新的过程 8. 撤销 Git 的最后一次提交...

qiujiavip的博客 125

git常用命令

链接远程库如果你还没有一份远程代码库的本地版本(例如,如果你在另一台机器上开始工作,这台机器上还没有用过这个项目),你首先需要拷贝(clone)它。去到你的代码库想要拷贝到的文件夹下,并发送:git clone https://your_username@bitbucket.org/your_username/name_of_remote_repository.git当然也可以直接clone ssh

AirCloud 385

git 命令总结

创建仓库或者下载远程代码到本地仓库 git clone(git init) - git add - git commit - git push 查看仓库状态 git status git工作流: 暂存区到工作区之间的回滚: git reset HEAD <file> 将文件从staged 转成unstaged git checkout <file> :放弃修改恢复到未...

Nico的知识小站 196

git相关指令

其中,[-b master] 为submodule的默认分支,[local path]为submodule的本地路径。

wllsunshine的博客 306

git 常用 使用命令

1、用远程代码库中的版本完全覆盖本地工作版本 git reset --hard git pull 2、保留本地代码库中没有push的改动,更新代码,再还原代码 git stash git pull git stash pop 3、撤销commit但未push的改动 git log #找到要撤销的id git ...

fighting_tl的博客 277

实用的git命令

1、分支合并 情景描述:假设现在处于dev分支,而且有未提交的代码,想要合并到master分支上。按照下面的步骤就可以实现了。 git status //先查看一下整体的状态,看看哪些文件修改了 git add //提交修改过的文件,提交所有就git add -A ;提交当前文件夹下的git add .;或者一个文件一个文件提交git add 文件名(完整的) git commit -m

qq_31307253的博客 226
上一篇: android studio不显示当前手机app进程
下一篇: AOP全埋点---Gradle插件的制作
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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