git 常用命令

本文详细介绍了Git中的常用命令,包括git add、git commit、git pull、git push、git checkout、git stash等操作的具体使用方法,以及如何存储、应用和删除stash缓存。

此次主要给出开发过程中会遇到的命令,和这次研究的git stash命令的使用

  1. git add
    添加所有:git add .
    添加某个文件:git add 文件名
    添加多个文件:git add "文件1" "文件2" "文件3" ······(此处用空格隔开,用逗号应该也可以,没试过)
    
  2. git commit
    提交所有文件: git commit -m '描述信息'
    提交多个文件: git commit "文件1" "文件2" ······(同add,不过此处需要单独进行描述信息的填写)
    
  3. git pull
    git pull [origin 分支]:从某个远程分支下拉代码,不加后面的默认从自己的远程分支下拉代码
    
  4. git push
    git push 分支:推送到所在的远程分支
    
  5. git checkout
    撤销修改:git checkout 文件
    切换分支:git checkout 分支
    
  6. git stash
    git stash [save "存储描述信息"]:将所有的文件都存储起来
    git stash list:查看存储列表
    git stash apply/pop:应用某个存储,但不会把存储从存储列表中删除,默认使用第一个存储,即stash@{0},如果要使用其他个,git stash apply stash@{$num} , 比如第二个:git stash apply stash@{1} 
    git stash drop stash@{$num}:丢弃stash@{$num}存储,从列表中删除这个存储
    git stash clear:删除所有缓存的stash
    
  7. git reset --head 版本号:强制转到某个版本
【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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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