自用- git命令

TSMaster二次开发实战:如何用Python搞定CAN/CANFD事件回调(附完整代码) 本文详细介绍了如何利用Python进行TSMaster二次开发,实现CAN/CANFD事件回调功能。通过实战代码演示,讲解了预发送与后处理回调的核心区别、注册流程、资源管理及性能优化技巧,帮助工程师高效构建自动化测试与数据监控应用。 阅读详情

git 命令

git 常用命令

git checkout 分支名 //切换分支

git branch -v // 查看所有分支

git status // 当前所在分支状态

git branch 分支名 // 创建本地分支 git branch // 查看本地分支 git branch -a // 查看所有分支 包括远程分支

git branch -m 旧分支名 新分支名 // 重命名本地分支名

git checkout 分支名 // 切换分支 git checkout -b 分支名 // 创建本地分支并切换到创建的分支

git checkout -b 本地分支名 origin/远程分支名 // 创建本地分支,并切换

git push --set-upstream origin new_branch // 创建一个新的远程分支,并关联本地分支

git branch --set-upstream-to=origin/feature // 本地分支和远端分支关联

git branch --set-upstream-to=origin/master master

git push origin 本地分支名:远程分支名 // 创建远程分支

git branch -d 本地分支名 // 删除本地分支

git push origin :远程分支名 // 删除远程分支

git merge 分支名 // 合并分支

git pull // 相当于 git fetch 加git merge 拉去远程代码合并到本地 为一个新版本

git fetch // 是将远程主机的最新内容拉到本地,用户在检查了以后决定是否合并到工作本机分支中。

git add . // 所有改变的文件 提交到暂存区 (不包括删除的问题)添加到版本控制 git add -u // 所有被更新的文件 提交到暂存区(不包括新增的文件,包括删除的文件) git add -A // 提交所有变化的文件

git rm --cached 文件 // 删除暂存区文件 并使该文件脱离版本控制

git log --graph --pretty=oneline --abbrev-commit // 查看日志

git commit -m ‘message’ // 暂存区提交到本地仓库

git commit --amend // 重新提交

git remote -v //查看当前远程仓库地址

git stash save ‘保存未提交的文件到本地-注释’

git stash pop ‘恢复 stash save 保存到本地的文件到版本控制’

git reset filename // 取消暂存的文件 git reset head filename

git checkout – filename // 撤销对文件的修改

git pull --rebase // 将本地分支更新为最新的

git pull origin master --allow-unrelated-histories

总结一下:本地仓库有文件,远程仓库也有文件,正确姿势:
(远程初始化了仓库,但是本地代码已经编写一部分,需要上传远端, 本地先 git init 后)

1,git remote add origin 远程仓库地址

2,git pull origin master --allow-unrelated-histories

3,git branch --set-upstream-to=origin/master master

4,git push

// 解决每次输入命令都需要验证的问题 git config --global credential.helper store

git update-index --assume-unchanged git update-index --no-assume-unchanged git rebase //

37、半导体硅材料中的缺陷与吸杂技术解析 本文系统解析了半导体硅材料中的缺陷形成机制及其对电子器件性能的影响,重点探讨了生长和工艺诱导缺陷、表面与内部微缺陷的起源与特征。文章详细阐述了吸杂技术的原理、过程及在集成电路和太阳能电池制造中的应用,强调通过氧行为调控和热处理优化实现缺陷控制。同时介绍了吸杂效果的评估方法,并展望了未来新型吸杂技术的发展趋势,为提升半导体器件性能和制造良率提供理论支持和技术路径。 阅读详情

相关推荐

Arco Design Pro PC端商家后台框架 | Axure高保真原型库

摘要:本Axure原型设计方案基于字节跳动ArcoDesignPro规范,提供企业级后台快速搭建方案。包含动态表格、表单验证等核心组件,采用中继器驱动设计,支持响应式布局。方案覆盖80%后台常用交互,可节省60%原型制作时间,配套完整设计文档和组件库,实现原型到开发的高效衔接。特别适用于电商、SaaS等后台系统开发,支持权限管理、数据分析等场景,显著提升团队协作效率。

招风的黑耳优快云 3970

git命令自用

本文仅自用,推荐自行搜索具体问题参考教程:https://blog.youkuaiyun.com/weixin_48152652/article/details/124258293。

A_tidote的博客 384

Altium Designer操作技巧(4)——如何利用嘉立创EDA来输出3D封装到AD封装库?

本文介绍了利用嘉立创EDA和FreeCAD软件为PCB元件添加3D模型的方法。首先在嘉立创EDA中搜索元件编号并导出3D模型,然后使用FreeCAD删除3D模型中的PCB基板部分,最后将处理后的3D模型导入PCB封装库并更新到PCB设计中。文章详细讲解了每个步骤的操作流程,包括模型导出、基板删除、位置调整等关键环节,并提供了解决常见问题的方法。通过这种方法,电子工程师可以快速获得元器件的3D模型,提高PCB设计的准确性。

u012526819的博客 2580

自用git命令

ps:1、给GIT 常用command要在当前目录下有.git仓库时才能用git命令,一般每个一级目录就是一个git目录。1、左上角CHANGES->OPEN(或快捷键go、已经合并的代码快捷键gm)1、复制代码中的某一句(例如是:PROP_CAMERA_MIRROR_UI)3、cherry-pick第一步保留的commitId,继续拉取代码。3、git log显示修改日志,保存commit-id。1、先保留当前有冲突的提交的commitId。1、去到代码的一级(或多记)目录。2、先退回几个状态再拉代码。

mafumafu65的博客 339

【一键搞定】ThinkPHP6.0.2+PHPStudy+Composer极速安装指南——附完整下载包与避坑技巧

本文提供了一份ThinkPHP6.0.2的完整下载包,并详细介绍了如何配合PHPStudy和Composer进行极速安装与配置。指南涵盖了环境准备、Composer国内镜像加速、项目部署及常见避坑技巧,旨在帮助开发者,尤其是内网或网络不佳的用户,快速搭建可运行的TP6开发环境,绕过依赖下载的繁琐步骤。

assembly8low的博客 1005

TensorFlow实战:5步搞定因果推断模型TARNet(附完整代码)

本文提供了一份基于TensorFlow的TARNet因果推断模型实战指南。通过五个清晰步骤,从数据预处理、模型构建到训练评估,详细讲解了如何利用深度模型解决营销评估、疗效分析等场景中的因果效应估计问题,并附有完整代码解决样本不平衡等工程挑战。

python9snake的博客 415

关于git一些命令 自用

文件的4种状态 新创建 已修改 一旦某个文件被修改过了,那么通过git status查看的结果就是:红色的modified 如果通过git add 把该修改操作告诉了暂存区,那么通过git status查看的结果就是:绿色的modified 如果希望让同事知道你修改某个文件,那么应该执行以下操作: git add . git commit -m

new__object_的博客 514

用Multisim复刻经典收音机:从零搭建超外差中波调幅接收机(附仿真源文件)

本文详细介绍了如何使用Multisim软件从零搭建超外差中波调幅接收机,复刻经典收音机的设计过程。通过模块化搭建、稳定性优化和增益分配等实战指南,帮助读者掌握超外差架构的核心技术,并附赠仿真源文件供实践参考。

weixin_28744423的博客 472

git 自用命令

先在github上创建新repository. 1.在自己项目目录处右击git bash here 2.git init 3.git add .(点表示把项目的所有文件都添加进去) 4.git commit -m 'description' 5.git remote add origin project_url 6.git push -u origin master 另外的命令 g...

Yonggie的博客 360

实战详细讲解Qt插件plugin的编写与用法

qt插件的开发,可以说是动态库的开发,因为调用方式类似,多熟悉一下,利用Qt框架开发很简单的。在想想这种调用过程有的熟悉,比如公司买了一堆摄像头,公司要对摄像头进行二次开发,实现自己想要的功能,集成到一套设备里去,然后在卖给用户。此时厂商肯定会提供开发文档,并给你SDK包(软件开发工具包), 包里你会发现只有头文件和一堆库文件,没有源文件,因为实现的过程是产商公司保密的,给你看还得了。所以都封装成了库的形式给你调用,如静态库或者动态库。

qq_44667165的博客 1万+

机器学习的低代码与无代码平台:便捷入门之路

机器学习领域正涌现出大量低代码和无代码平台,使非技术人员也能轻松应用AI技术。低代码平台(如PyCaret、H2O AutoML)需少量编程但灵活性强,而无代码工具(如Google Cloud AutoML、Teachable Machine)则完全无需编程基础。这些平台覆盖图像识别、文本处理、业务预测等多种场景,适合快速部署简单项目。但专业人士仍需注意,这些工具无法替代复杂场景下的定制化开发。随着技术进步,低门槛AI工具正在改变各行业的创新方式。

2501_90323865的博客 154

自用 git 命令

注册 git config --global user.name "zy" #名称 git config --global user.email 1422749310@qq.com #邮箱 #查看当前用户(global)配置 git config --global --list 首先检查是否已生成密钥 cd ~/.ssh,ls如果有2个文件,则密钥已经生成,否则 添加SSH key /home/zy/.ssh/id_rsa ssh-keygen -t rsa -C "1422749310@

小菜的博客 218

2024届数字IC秋招-华为机试-数字芯片-笔试真题和答案(五)(含2022年和2023年)

此部分包含华为机试真题,方向是数字芯片,内容详细包括设计、验证、后端等,大部分题目给出参考答案。华为机试都是从题库里抽题目,所以这些题目还是很有参考性的,甚至是完全一样,可以搜到的。(题目内容较多,将分开编写几个文章)

qq_42135020的博客 2081

Git命令速记(自用)

Git命令速记(自用) 本文章引用菜鸟教程,如果不懂安装的请移步菜鸟教程 配置git 因为我们在项目开发的时候,通常需要不间断的push,所以我们需要标明我们的身份,也就是说告诉 git 以后这个计算机⽤户的 git 操作记录怎么署名 git config --global user.name "your name" git config --global user.email "your email" 查看版本库提交历史 git log 通过克隆获取远端版本库 git clone 远程仓库

qq_43338043的博客 294

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Git基本命令自用

git使用 git init 初始化 git status 查看状态 git add -A 添加所有文件或修改到仓库 git commit -m “这里添加注释” git remote add origin url

Kevin1906的博客 193

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

git命令 自用整理

git checkout -b 本地分支名 origin/远程分支名 拉取远程分支到本地。git checkout -b 从当前本地分支创建新本地分支。git push --delete origin 远程分支名 删除远程分支。git branch -d 本地分支名 删除本地分支 -D是强制删除。git branch -m 原分支名 新分支名 更改本地分支命名。git branch -vv 查看本地分支和远程分支关联关系。git checkout 分支名 切换本地分支到对应分支。

wangyiru13的博客 178

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自用命令

项目拉取 git init git remote add origin 地址 git checkout (-b新建分支) 分支名字 git clone 地址 (https) 可直接克隆 ls cd cd..

jdaiwlsd的博客 126

git命令使用一览【自用】

出现以下画面就可以git pull,git push了。检查远程仓库是否链接成功。

imblackcat的博客 598

自用git快捷命令配置

git clean-all 一件清理工作目录,保留.vs。git update-all 一件更新仓库,包含子目录。

u012990344的博客 303

Git Bush常用命令Calvert自用

看了好几篇都没我需要的,网上搜来的 Git Bush常用命令 ,以防忘记,先mark切换到xxx目录       cd e:\xxx显示当前目录路径     cd列出当前目录内容    dir生成名为xxx.txt的空文件   copy nul xxx.txt删除xxx.txt文件     del xxx.txt建立xxx目录     md xxx删除xxx目录  ...

Calvert的博客 1457

bashrc 自用 git 操作快捷命令

## .bashrc ## git alias gt='git status' alias gl='git log' alias gd='git diff' alias gc='git checkout' alias ga='git add' alias gm='git commit -m' alias gp='git pull --rebase' alias gr='git rebase --continue' alias gdt='git difftool -t meld --d...

Herben_Lam 408

git 自用命令收集

研究了一下mac下的git: git clone 当前地址    将远程仓库拷贝到本地 git pull  == git fetch   +  git merge origin/master 获取远程仓库的内容 并且降版本记录指针移到最新的位置 git add  文件名              将新增家的文件标记为add git add -A 添加所有 git log --

zaq962hf的专栏 347

最常用GIT命令--自用

最常用GIT命令

Lynn1724的博客 566

[GIT]自用git&&adb命令(持续更新)

git format-patch -p1 加上找到的提交记录,就可以把对应修改的patch打出来。编译命令后面加上 | tee build.log 这个会把编译的log保存到当前目录。这个就是从仓库里找到一个叫尼古拉斯人的提交记录,并且每条记录都简略显示为一行。这个简单粗暴,当前目录下打的patch,out目录,以及临时文件都会被清空。然后你要继续编译的时候,直接在终端输入fg即可继续编译。正在编译的时候,可以使用ctrl+Z暂停编译。比如下面几个修改点,我都git add了,

编程菜汝狗 1011

Git 常用命令大全 自用

git 分支查看与切换 # 1.查看所有分支 > git branch -a # 2.查看当前使用分支(结果列表中前面标*号的表示当前使用分支) > git branch # 3.切换分支 > git checkout 分支名

qq_42586343的博客 237
上一篇: word 模板替换 poi-tl简单使用
下一篇: Spring boot 基础web入门搭建
xiaoduup
博客等级 码龄9年 23粉丝 83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