git 新建分支、合并分支和撤回push操作

git合并分支,并且push到远程后的撤回 场景 a同学,需要将自己的分支abranch合并到master上,并且提交到了线上,忽然发现存在问题,想进行撤回。 解析 两种方法撤回 #1.git revert 好处,记录撤回前的操作。缺点,如果存在两个或多个父分支不能恢复。 git revert 要撤回的版本号 git push origin 分支 # 2.git reset --hard,记录中删除了提交过的记录。 git reset --... 阅读详情

git 的操作流程

1、切换至master分支:git checkout master
2、创建并切换到dev分支:git checkout -b dev
3、将dev分支push到远程仓库(与本地仓库同步):git push origin dev
4、修改dev分支上的内容并提交到本地仓库:git commit-a-m”修改子分支“
5、将dev分支上的修改提交到远程仓库:git push origin dev
6、dev分支上的修改后,切换到master分支:git checkout master (注意,只有checkout切换到当前分支后,pul代码,才能看见当前分支的代码,如果没有checkout到当前分支,pull了也在相应文件夹下也看不见当前分支的代码,而是上次checkout的代码)
7、将dev分支合并到master分支:git merge origin/dev
8、将合并之后的代码push到远程仓库:git push origin master
此例是父分支和自分支之间的merge操作,爷孙分支亦如此,旁系分支合并亦然
git 常用命令
git pull // 从远程拉取
git status // 查看文件状态
git add fileName // 添加文件
git commit -m "修改说明"  // 提交文件到本地仓库
git push  //  提交代码到远程仓库

git 新建分支

// 查看当前所在分支
git branch

// 创建本地分支并切换到新创建的分支
git checkout -b dev

// 再次查看所在分支
git branch

// 将新创建的分支信息推送到远程
git push origin HEAD -u


**git拉取合并分支后的代码**
// 切换到自己的分支
git checkout <branch name>

// 拉取最新代码
git pull origin <最新代码分支名>

// 重新进行提交到自己的代码
git status
git add .
git commit -m "描述"
git push origin <branch name>


git分支合并

// 首先切换到你要合并的总分支
git checkout dev
 
// 然后通过merge拉去我们本地的分支
git merge test (test也就是我们master的子分支)
 
// 然后通过pull拉去远程分支
git pull origin Lucky(Lucky也是我们的分支)

git 撤回push

// 查看日志
git log

// 回滚到箭头的这个版本
git reset --soft d2fb2b0c80e6239ed400bf065d81f7f6c6ba8ca4

// 将本地的代码强制push到远程
git push origin dev --force

// 结束

在这里插入图片描述






相关推荐

// 廖雪峰的网站
https://www.liaoxuefeng.com/wiki/896043488029600

// 猴子都能懂的git入门
https://backlog.com/git-tutorial/cn/intro/intro1_1.html

2023年全国青少年信息素养大赛C++编程初中组决赛真题+答案解析 阅读详情

相关推荐

Altium Designer实战:手把手教你设计智能车竞赛疯狂电路组赛道(附封装库)

本文详细介绍了使用Altium Designer软件进行智能车竞赛“疯狂电路”组赛道设计的全流程实战指南。从理解比赛规则、搭建设计环境、创建专用元器件封装库,到电路布局、路径规划及设计输出验证,手把手教你高效完成符合计分标准的赛道图纸设计,并附上实用的封装库管理方法。

alice7model的博客 1320

撤消尚未推送的 Git 合并

我不小心在本地主分支上运行了 git merge some_other_branch。我还没有将更改推送到原始主机。如何撤消合并?合并后,git status 说:我如何撤消所有这些提交?

HuntsBot的博客 4019

非线性功率放大器对QAM传输BER性能的影响及补偿

1、线性功率放大器对传输性能的影响 为表述非线性功率放大器对传输性能的影响,以Saleh模型进行观察。具体来说,在QAM调制器之后添加一个非线性模块,使调制后的波形经历AM / AM和AM / PM转换。 在Saleh模型中,转换用四个参数表示,即AM / AM转换为????a和????a,AM / PM转换为????p和????p。 在Saleh模型中,AM / AM和AM / PM方程以输入电压u的大小表示为: 式中,FAM / AM是AM / AM转换的输出电压与输入电压的关系,而FAM

太阳帅帅的博客 2080

git使用小记

git使用小记

chenlim87的博客 1809

新手必看!无人机定高PID调参避坑指南:从理论到实战的完整流程

本文为无人机新手提供定高PID调参的完整指南,从传感器融合到抗风策略,详细解析多传感器融合、PID控制参数调试及环境干扰应对。通过实战案例和代码示例,帮助开发者快速掌握无人机定高技术,避免常见调参陷阱,提升飞行稳定性。

spark7igniter的博客 221

R语言实战:GEO单细胞数据下载与自动化整理全流程(附代码)

本文详细介绍了使用R语言从GEO数据库下载scRNA-seq数据并实现自动化整理的完整流程。通过GEOquery和Seurat等工具包,读者可以高效获取单细胞RNA测序数据,完成从原始数据下载到预处理的全过程,最终生成可直接用于分析的Seurat对象。文章包含完整代码示例,特别适合生物信息学研究者处理单细胞数据。

weixin_29061821的博客 426

git 撤销修改、删除分支

1、只在工作区修改了,没提交到暂存区 git checkout -- index.html 撤销工作区修改 其实 git checkout -- file 就是用暂存区的版本来代替工作区的版本 2、修改提交到暂存区之后(即git add 后,git commit 之前) 先使用$ git reset HEAD index.html 将暂存区的修改撤销掉,重新放回工作区, git checkout -- index.html 撤销工作区修改 3、已经提交到本地的版本库分支master上了(前

weixin_43294560的博客 2330

简单介绍Git合并分支的流程步骤

这篇文章主要介绍了详解Git合并分支的流程步骤,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧 正常合并分支dev到master流程: (合并到其他分支类似哈) 1、要合并的dev分支先更新提交所有文件 注意: 如果不需要提交的本地化修改文件的话,最好不要提交上去。临时备份然后删掉或者撤回。 进入项目根目录,然后执行: git add . git commit -m '提交所有dev分支的文件' git push -u o

Free雅轩的博客 1414

BLDC&PMSM电机控制器硬件设计工程(一)概述&需求&规划

这里是一个专注于电机控制器硬件工程的开放社区与知识仓库。我们的核心使命是分享、交流与共创,致力于解开无刷直流电机(BLDC)和永磁同步电机(PMSM)中、大功率控制器硬件设计,包括驱动IC选型,电流传感器选型,控制IC,母线电容计算,功率模块(IGBT、MOS管)选型以及大功率功率模块驱动电源设计。功率等级: 重点关注中等功率(如500W-10kW) 并向大功率(10kW以上) 延伸,探讨对应的功率器件(如MOSFET, IGBT, SiC)选型与驱动。

小幽余生不加糖 635

使用 PLS 回归进行近红外光谱的异常值检测

在光谱数据中,并非每个数据点都是有效的,因此,在构建模型时找到与大部分数据不符合的数据点是一种必要的操作。这些数据我们称之为。在这篇文章中,我们将使用PLS回归进行红外光谱数据的异常值检测。

qq_44204759的博客 1422

git合并分支

dev1.0-wcy => dev1.0-mzh @branch dev1.0-mzh Check out, review, and merge locally Step 1. Fetch and check out the branch for this merge request git fetch origin git checkout -b dev1.0-wcy orig...

fareast_mzh的博客 1066

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

git 使用 教程

git 简单使用 # 从命令行创建一个新的仓库 touch README.md git init git add README.md git commit -m "first commit" git remote add origin http://10.168.2.67:3000/user/project.git git push -u origin master # 从命令行推送已经创建的仓库 git remote add origin http://10.168.2.67:3000/user/p

dujidan的博客 624

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

Git取消add 、 commit、push的命令

撤销已经add,但是没有commit的问题 git reset HEAD 撤销已经commit,但是没有push到远端的文件(仅撤销commit 保留add操作) git reset --soft HEAD^ 查看状态 查看没有git add的文件 git checkout 查看当前提交状态 git status ......

Java小皮孩 2万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Git:使用Git进行合并分支操作

git合并、创建分支操作

永远保持随时离开的技术能力! 3万+

Git合并分支的流程步骤

正常合并分支dev到master流程: 1、要合并的dev分支先更新提交所有文件 进入项目根目录,然后执行: git add . git commit -m '提交所有dev分支的文件' git push -u origin dev 2、切换到master分支 git checkout master 3、更新master代码到最新 git pull origin master 4、把dev(你要合并到master的基分支)分支的代码合并到master上 git merge dev 5、查看状态 gi

一掬净土 9790

开发工具: git 12、远程和本地同时撤回分支合并操作

文章目录git merge --abortgit reset --hard head^推送到远程仓库之后想要撤回衍生的问题总结 git merge --abort 使用场景:如果两个分支 merge 时出现了冲突,临时打算取消 merge git reset --hard head^ 使用场景:如果仅仅是在本地完成了 merge 后想要撤回,可以直接将分支挪回 merge 之前的 commit 推...

github_39353936的博客 1621

Git实战技巧-如何同时撤回远程和本地分支合并操作

如何同时撤回远程和本地分支合并操作

Ares_Yin的博客 2043

【git】git常用操作--克隆/提交/合并/撤回/修改分支名/同步多个远程库

git常用命令。默认克隆的master分支,如果克隆一个非master分支,加上。将暂存区内容添加到本地仓库中。

lillianqdzpw 3398

Git自己分支合并dev分支

Git自己分支合并dev分支 全流程git 合并代码步骤,需要保证自己本地分支和dev分支都为最新代码,保证不会丢失代码。 注意:此时此刻,自己的分支是旧代码(新开发的代码也在),dev分支是最新代码 一、步骤 1、git push 自己分支 2、git checkout dev 切换到dev分支 执行git pull (拉取dev最新代码) 3、git checkout 自己分支 执行 git merge dev (合并dev代码,解决冲突,此刻自己分支代码是最新的) 4、git push 5、git c

weixin_46016219的博客 1万+

【Git】IDEA代码合并|merge into

当然我这里是dev和test分支之间没有冲突的情况下,合并很顺利,如果出现了冲突,我们就和另外冲突的开发人员的代码进行比较,相互讨论确定出哪些需要要,哪些不需要,在本地的test中解决冲突合并之后后再push到远程test即可。第四步:进入页面,可以看到我们刚刚合并后的分支,在这里选择到需要review的管理人员,还有测试人员,都完成之后,由相应的人员点击下面的审查通过 和测试通过按钮,之后再点击。提交到远程的dev分支之后,我现在需要合并到test分支,去和其他的需求合并起来并部署到test环境。

qq_39666711的博客 4604

git 合并分支撤回

git merge某分支到目标分支上,发现冲突太多合并代码出问题了想要回退这次提交怎么办?

shenzy 1万+

git分支回滚合并变基等

本文讲解了使用idea或者命令,如何操作分支的每个细节

qq_44501608的博客 2299

面试官:Git 如何撤回已 Push 的代码?问倒一大片。。。

摘要:本文介绍了4种撤回已Push代码的方法:1)手动对比删除(不推荐);2)使用git revert(推荐,安全但只适合少量回退);3)新建分支(适合大量回退);4)reset强制推送(高风险需谨慎)。重点推荐revert和新建分支两种方式,前者保留记录更安全,后者适合大规模回退。强制推送可能破坏团队协作,应避免在受保护分支使用。每种方法各有利弊,开发者应根据实际情况选择最合适的解决方案。

xh2277659985的博客 686

git 上已经push到远程的分支,但是没有和开发分支合并,此时想要撤回push的代码----取消push操作

问题 工作过程中,将某个功能完成,已经建立了自己的分支,并且将本地分支推送到了远程分支,但是由于种种原因,此时想要撤回push到远程的分支 ##解决步骤 第一步:直接删除远程分支即可 第二步:点击git,选Log,选中你当前开发的分支 第三步:选择你要回退代码的分支位置,点击resetCurrentBranch to here 操作以上三步你就可以将push的代码全部还原 ...

北国风光的博客 3108

令人窒息的GIT操作,冲突,合并,分支,版本?

前言:最初接触GIT是因为GITHUB,当时想在GITHUB上传一些自己的代码,然后开始慢慢了解到GIT,后开进入公司做项目开始再一次开始接触到GIT,然后一路头疼到现在,如果再不好好了解一下,会影响到自己的工作,所以找时间来整理一下思路。 一、为什么会有GIT? 如果你用Microsoft Word写过长篇大论,那你一定有这样的经历: 想删除一个段落,又怕将来想恢复找不回来怎么办?有办法,...

congweijing的博客 2571
上一篇: vue-cli 使用axios 模拟请求接口数据
下一篇: vue中连接使用mqtt
脑瓜不疼
博客等级 码龄9年 84粉丝 124原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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