Ubuntu如何同步文件到GitHub上

本文详细介绍了如何在Ubuntu系统下,将本地项目Scraping通过Git版本控制系统同步至GitHub的过程,包括目录创建、文件初始化、Git操作及远程仓库连接等关键步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

例如,我想把Scraping这个新建的项目同步到github上

第一步 : 在自己的GitHub上建立同名目录
在这里插入图片描述
第二步: ubuntu中进入目标项目或者新建项目

cdd@ubuntu:~/Desktop$ cd Scraping/

第三步: 创建文件README

cdd@ubuntu:~/Desktop/Scraping$ echo "# Scraping" >> README.md

第四步: 初始化git init

cdd@ubuntu:~/Desktop/Scraping$ git init

第五步: 提交文件

cdd@ubuntu:~/Desktop/Scraping$ git add README.md

第六步: 创建commit

cdd@ubuntu:~/Desktop/Scraping$ git commit -m "first commit"

[master (根提交) ffb89d7] first commit
 2 files changed, 1 insertion(+)
 create mode 100644 README.md
 create mode 100644 first_python.py

第七步: 登录账号

cdd@ubuntu:~/Desktop/Scraping$ git branch -M master
cdd@ubuntu:~/Desktop/Scraping$ git remote add origin https://github.com/Jason-cdd/Scraping.git
cdd@ubuntu:~/Desktop/Scraping$ git push -u origin master

这里需要将github目录的链接输入进来,这个链接在github上新建目录时同步生成的,输入账号和密码后就成功了

Username for 'https://github.com': Jason-cdd 
Password for 'https://Jason-cdd@github.com': 
枚举对象: 4, 完成.
对象计数中: 100% (4/4), 完成.
使用 4 个线程进行压缩
压缩对象中: 100% (2/2), 完成.
写入对象中: 100% (4/4), 269 字节 | 134.00 KiB/s, 完成.
总共 4 (差异 0),复用 0 (差异 0)
To https://github.com/Jason-cdd/Scraping.git
 * [new branch]      master -> master
分支 'master' 设置为跟踪来自 'origin' 的远程分支 'master'
### 配置和运行 GitHub 上的深度学习项目 #### 安装 Ubuntu 虚拟机并更新系统 为了确保系统的稳定性和安全性,在虚拟机中安装好 Ubuntu 后应先执行系统更新操作。打开终端输入命令来获取最新的软件包列表并升级已安装的应用程序[^1]。 ```bash sudo apt update && sudo apt upgrade -y ``` #### 下载 Anaconda 并创建 Python 环境 前往官方页面下载适用于 Linux 的最新版本 Anaconda 或 Miniconda,这里推荐使用 Miniconda 减少不必要的预装库占用磁盘空间。通过 wget 命令可以直接从网络上拉取安装文件到本地计算机内: ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh ``` 接着按照提示完成安装过程,并初始化 Conda 工具以便后续管理不同项目的依赖关系。创建一个新的 conda environment 来隔离各个实验之间的相互影响[^2]。 ```bash bash Miniconda3-latest-Linux-x86_64.sh source ~/.bashrc conda create --name dl_project python=3.9 conda activate dl_project ``` #### 安装必要的开发工具与库 对于大多数机器学习框架而言,CUDA 和 cuDNN 是必不可少的支持组件之一;然而考虑到并非所有人都拥有支持 GPU 加速计算硬件设备的情况,因此可以选择仅安装 CPU 版本的相关库作为替代方案。此外还需要 PyTorch 进行模型训练工作流构建。 ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch pip install opencv-python matplotlib scikit-image tensorboard jupyterlab ``` #### 获取目标代码仓库并与之同步 利用 Git 将远程主机上的特定分支克隆至当前目录下形成副本,之后可以自由修改其中的内容而不必担心破坏原始资料结构。假设要部署 YOLOv5,则可参照如下指令序列进行操作。 ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5/ pip install -r requirements.txt ``` #### 测试环境搭建成果 最后一步就是验证整个流程是否成功实现了预期效果——即可以在新环境中顺利加载数据集并对图像实施预测分析任务。启动 Jupyter Notebook 提供交互式的编程体验界面,方便快速调试脚本逻辑错误之处。 ```bash jupyter notebook ```
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