git 快速入门(2):分支

本文介绍Git中分支的基本操作,包括创建、切换、合并和删除分支等,并提供了实用的步骤指导,帮助开发者更好地理解和使用Git分支。
每个git项目都有一个主分支,这个分支就是master 分支。你可以自己创建任意多的其它分支;
常用命令如下:
$>git branch         //查看分支,当前分支前面有个“*”
$>git branch BranchName //创建分支
$>git checkout BranchName //切换到BranchName分支
$>git checkout -b BranchName //创建并切换到BranchName分支
$>git merge BranchName //合并BranchName 分支到当前分支
$>git branch -d BranchName //删除分支


--------------
一个简单的用例:
当你对这个项目有个新想法时,可以这么干(创建一个新的分支,然后在新的分支上进行开发,最后再合并到master 分支上去。)

具体步骤如下:
①、创建新的分支 并切换到该分支上。
$>git branch -b new_branch     //创建新的分支 并切换到该分支上。


②、开始你的工作(各种编码工作);
blablabla……

③、添加所有改动到stage
$>git add .     //添加所有改动到stage;


④、将改变提交到仓库(当前分支 new_branch)
$>git commit -m "我的新想法,在分支上实现"    //将改变提交到仓库(当前分支 new_branch)


⑤、回到master 分支
$>git checkout master      //回到master 分支;


⑥、将new_branch 合并到master 分支上来
$>git merge new_branch         //将new_branch 合并到master 分支上来。


⑦、可以删除你创建的分支
$>git branch -d new_branch         //可以删除你创建的分支



----
在线练习:[url=http://pcottle.github.io/learnGitBranching/]分支[/url]
[url=https://code.youkuaiyun.com/DOC_优快云/git_lxf/file/%E5%88%86%E6%94%AF%E7%AE%A1%E7%90%86.md#anchor_1][size=medium][color=blue][b]分支管理基础入门[/b][/color][/size][/url]


推荐的分支策略:[url=https://code.youkuaiyun.com/DOC_优快云/git_lxf/file/%E5%88%86%E6%94%AF%E7%AE%A1%E7%90%86.md#%E5%88%86%E6%94%AF%E7%AD%96%E7%95%A5]开发必需要懂的分支策略[/url]

二、问题列表
1、当分支合并时,有冲突,首先要先解决冲突然后再合并。
git status //查看冲突


2、修复bug时,我们会通过创建新的bug分支进行修复,然后合并,最后删除;

当手头工作没有完成时,先把工作现场*git stash*一下,然后去修复bug,修复后,再*git stash pop*,回到工作现场。

3、
【负荷预测】基于VMD-CNN-LSTM的负荷预测研究(Python代码实现)内容概要:本文介绍了基于变分模态分解(VMD)、卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的VMD-CNN-LSTM模型在负荷预测中的研究与应用,采用Python代码实现。该方法首先利用VMD对原始负荷数据进行分解,降低序列复杂性并提取不同频率的模态分量;随后通过CNN提取各模态的局部特征;最后由LSTM捕捉时间序列的长期依赖关系,实现高精度的负荷预测。该模型有效提升了预测精度,尤其适用于非平稳、非线性的电力负荷数据,具有较强的鲁棒性和泛化能力。; 适合人群:具备一定Python编程基础和深度学习背景,从事电力系统、能源管理或时间序列预测相关研究的科研人员及工程技术人员,尤其适合研究生、高校教师及电力行业从业者。; 使用场景及目标:①应用于日前、日内及实时负荷预测场景,支持智慧电网调度与能源优化管理;②为研究复合型深度学习模型在非线性时间序列预测中的设计与实现提供参考;③可用于学术复现、课题研究或实际项目开发中提升预测性能。; 阅读建议:建议读者结合提供的Python代码,深入理解VMD信号分解机制、CNN特征提取原理及LSTM时序建模过程,通过实验调试参数(如VMD的分解层数K、惩罚因子α等)优化模型性能,并可进一步拓展至风电、光伏等其他能源预测领域。
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