Git操作初级

本文详细介绍Git的基本使用流程,包括配置个人信息、查看仓库状态、文件的添加与修改、版本提交与回退、分支管理等核心操作,帮助初学者快速掌握Git的使用。

git基础操作

一、Git仓库的三大区域

Git本地仓库有三大区域:工作区,暂存区,版本区
在这里插入图片描述

二、一次完整的修改、提交推送

历史记录状况查询

git status:查看整个仓库的状态
git add [文件名]:把新文件添加到暂存区
git add . 全部添加到暂存区
git reset -- [文件名]:撤销暂存区的修改
git reset -- :把暂存区的全部修改撤销
git diff :查看工作区未被跟踪的文件修改情况(按q退出此页面)
git diff --cached :查看暂存区的全部修改
git log:查看版本区的提交历史
git log [分支名]:查看某分支的提交历史,不写分支名查看当前所在的分支。
git log --onelin:一行显示提交历史
git log -n:n是数字,查看最近n个提交
git log --auther: [共享者名字]:查看指定贡献者的提交记录
git log --graph :图示法显示提交历史
git checkout -- file :丢弃工作区的修改

配置个人信息:

git config --global user.email "1837470000@163.com" 配置账号
git config --global user.name "hlf" 配置用户名
git config -l 查看配置信息

提交暂存区的修改

git commit -m ‘要备注的信息’ :提交到本地仓库
git log --resverse 提交版本按时间正序排序
git push :把本地仓库master分支上的新增提交推送到远程仓库的同名分支上
git push -f 强制推送,忽略merge

版本回退

git reset --soft HEAD^:撤销最后一次提交,将修改还原到暂存区
git reset --soft id:撤销到指定版本
git reset --hard   HEAD^: 撤销最后一次提交,所有修改都清空
git reset --hard id:撤销到指定版本

Git分支操作

添加SSH关联授权

创建ssh
ssh-keygen:生成公私钥
在这里插入图片描述
将 ~/.ssh/id_rsa.pub 文件中的公钥内容复制出来
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

git 分支管理

git fetch:刷新本地仓库的远程分支信息
git branch [分支名]:创建新的分支
git br: 查看分支信息
git checkout [分支名] :切换分支
git checkout -b [分支名]:创建并切换到新的分支
git push [主机名] 本地分支名:远程分支名  :将本地分支推送到远程仓库分支中,如果冒号前后的分支名是相同的,可以省略:[远程分支名]
git branch -u [主机名/远程分支名]  [本地分支名]   :将本地分支与远程分支关联,或者说本地分支跟踪远程分支,如果是设置当前所在的分支跟踪远程分支,最后一个本地分支名可以省略不写
git branck --unset-upstream [分支名]  :撤销该分支对远程分支的跟踪,如果撤销当前所在的分支的跟踪,分支名可以不写
git push -u [本地名] [远程分支] :推送的时候就自动跟踪远程分支
git push [主机名]:[远程分支名] :删除远程分支
git branck -D [分支名]:删除本地分支 (需要切换到master分支)
git branck -m [旧分支名] [新分支名] :修改当前所在分支的名字
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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