git总结

参考文档:廖雪峰的官方网站
git:目前最强大的开源分布式管理系统,方便项目管理。

下面介绍一下git的使用命令:
git init:在本地创建一个目录,执行git init命令就可以把当前目录变成git可以管理的本地仓库
创建好本地仓库以后,来了解一下git的工作区、缓存区、本地仓库三个概念
工作区:在执行git init的目录下的可见的文件或目录就可以认为是工作区(.git目录除外)
缓存区:自我理解是.git目录中的index是缓存区
本地仓库:就是指.git目录
如果已经有了本地仓库,需要建立与远程仓库的关联可以使用命令 git remote add origin git@账户名:path.git
如果没有本地仓库,可以使用命令git clone git@账户名:path.git 克隆到本地
git add file:将工作区的文件添加到缓存区
git commit -m '描述信息’:此命令是将缓存区的所有的所有内容一次性全部提交到本地仓库,如果出现把文件添加到缓存区以后再进行修改部分的是不能提交到本地仓库的,但是可以再执行一下git add操作,然后再一次性把两次修改全部提交到本地仓库是可以的。描述信息可以不加,但是为了以后方便查询每个版本的改动信息,强烈建议加上描述信息,git commit以后的Untracked files表示未被跟踪的文件,就是没有执行过git add操作的文件
git status:查看本地仓库状态,在执行git status以后出现modified表示有文件已经修改,no changes added to commit表示没有修改要提交,也就是说在工作区修改了,但没有执行git add操作添加到缓存区,nothing to commit说明没有要提交的修改,也就是缓存区是干净的。无论出现哪种情况,只要执行git add再执行git commit就可以提交到本地仓库
git diff:查看与上一次版本相比修改了哪些内容
git log:查看提交日志记录,会显示提交日志的详细信息,如果只想看版本号和描述信息,可以加上参数–pretty=oneline
版本号(commit id)是使用SHA1计算得出的十六进制的一串数字,版本号是唯一的
git reset:版本回退
git reset --hard HEAD^:回退到上一版本,HEAD表示当前版本
git reflog:记录每一次执行的命令,包括版本号和描述信息,可迅速找到某个版本的版本号进行回退
git checkout – file:将工作区的修改全部撤销,注意必须加上–,否则成切换分支了
git reset HEAD file:将已经提交到缓存区的修改全部撤销,所以git reset既可以回退版本也可以撤销缓存区修改,但是如果把修改的部分已经提交到了本地仓库,那就只能回退版本了
git rm file:删除本地仓库文件,如果确定需要删除此文件,那么工作区文件也需要删除,否则再commit的时候还是会把该文件添加到本地仓库中,如果是误删除该文件,那么可以执行git checkout – file撤销工作区修改,还原该文件
git branch dev:建立dev分支
git checkout dev:切换到dev分支
git checkout -b dev:创建dev分支,并且切换到dev分支,相当于以上两条命令
git branch:查看当前所在的分支
git merge dev:合并dev分支到当前分支
git branch -d dev:删除dev分支
git branch -D dev:强行删除dev分支
git push origin master:将master分支内容推送到origin,第一次推送加上-u参数,方便以后推送
git pull:将远程代码拉到本地仓库
git tag name:给当前版本打标签
git tag name commit_id:给指定的版本打标签
git tag:查看所在分支的所有标签
git show tag:查看标签信息
git tag -d name:删除标签信息
git push origin --tags:一次性把所有标签全部推送到远端

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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