日常工作GIT命令记录

一、新建代码库

git init  #在当前目录新建一个git仓库
git clone url  #下载一个历史和整个代码

二、在一个master分支下工作

git pull  #拉取代码
git status #查看本地仓库修改状态
git add . #暂存文件
git commit #提交文件
git pull  #拉取最新代码
git push  #提交代码
git log #查看日志

三、创建一个本地分支feature

git checkout -b test master  #新建分支并切换到新建分支
git branch  #本地分支
git branch -d #删除分支(删除分支之前先checkout分支)
git checkout #切换分支
git branch -a #查看所有分支
git branch -r #查看远程分支

四、合并代码到release分支

方案一: 合并master到test,然后在把test合并到master这个时候比较绕进行了2次操作,以防止意外。

git pull origin master #假设在当前在test分支,git pull合并代码,如果有冲突,解决重突。解决完冲突后直接正常add. commit pull push 同样的代码在执行一次。checkout master去拉取test分支。
git reset --hard HEAD #撤销merge 

方案二:直接从master拉取指定的test分支

git pull origin test 

五、解决冲突

当出现冲突时,git会在代码中标记出来
<<<<<<<
当前的更改
=======
merge的更改
>>>>>>>
根据需要选择保留或者遗弃代码后,再执行add, commit就可以完成merge

六、删除分支

// git push -d origin branch-name
git branch -r -d origin/branch-name  
git push origin :branch-name  
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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