注册好一个账号后先创建一个仓库

点击“Create repository”创建一个版本库

填好带*号的必填项,选择是要公开仓库还是私人使用,勾选自动添加README选项

README文件可以写的非常漂亮,GitHub升级后README板块会显示在个人首页,可以做很多有个人风格的显示

README编辑方式引用久曲健的博客,贴在下面:

https://www.cnblogs.com/longronglang/p/8453047.html

到此仓库的创建就完成了。

先尝试一些GitHub的基本用法:

创建一个分支

这时候已经有两个分支,一个是初始的main,另一个是try

现在对try中的README做一些更改

记得添加此次修改的备注说明

点击下方的“Commit changes”按钮

现在try中的README已经和main中的有所不同,尝试一下合并代码功能。

请求代码合并是GitHub团队协作的核心功能。当你发出一个“请求代码合并”请求的时候,相当于你请求别人拷贝你当前的代码做出审查,审查通过之后将你的代码下载并且合并到他们的分支上。该请求将会在所有的分支上显示出不相同的部分。你做出的任何更改、增加以及减少,都会用绿色和红色显示出来。

在你的代码完成之前,你可以随时进行代码提交,发起请求代码合并的请求以及进行一场讨论。

你可以通过GitHub的“@”功能,在每次发出“请求代码合并”请求的时候,向特定的人或团队做出反馈,无论这个人是在你身边还是远在千里之外。

你可以向自己的仓库发出“请求代码合并”的请求,并且自己去合并他们。这在你接触到大型项目之前是一个非常好的练习方法。

(摘:https://blog.csdn.net/kabulore/article/details/51801337?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control

点击“Pull Request”选项卡按钮,切换到请求代码合并页面,点击绿色的“New pull request”按钮

选择你创建的“readme-edits”分支,与主分支进行比较。确定之后点击绿色按钮“Compare & pull request”

之后照例做一次更改描述,点击“Create pull request”按钮(描述可以是emoji)

因为已经合并,之后还要删除分支,点击紫色按钮

之后进入git阶段

先学习一些git常用内容

使用 git clone + [仓库地址] 命令,这是标准的克隆仓库命令

执行 git remote -v 命令可以查看本地仓库所关联的远程仓库信息

branch命令可以查看分支信息,此前先提一个重要的功能 别名

git config --global alias.ch checkout//设置checkout别名为ch

cat -n ~/.gitconfig //查看已经设定的别名

其实就是查看gitconfig文件,不用这两个命令的话可以直接在本地找到gitconfig文件打开修改查看

执行 git checkout [分支名] 切换分支

我设定了branch的别名br,所以查看详细信息的指令可以是

git branch -avv或者git br -avv

-a和-vv是查看不同的内容,-avv则是全部显示

了解完git,尝试提交文件到仓库分支

使用ssh-keygen -t rsa -C "你的邮件地址"指令用来生成密钥

之后在GitHub上找到

将密钥添加进去(密钥存放在本地的.ssh文件夹中的pub文件中,如果用publisher打不开则直接用记事本打开)

在这里复制你的仓库地址

进入你的项目文件夹,鼠标右键选择Git Bash Here

git clone  刚才复制的地址

git pull 命令用来拉取该分支内容,与本地做为对比,防止冲突。

git add 命令用来将所要更新的文件,添加到git队列中,以备后续的提交。

可以用git add test.html 来添加指定的文件,或者直接git add . 来添加所有目录(不含空目录)

git commit -am 命令用来做提交准备,-am 后面跟上注释,可以让其他人看到你本次为啥做出更改。此时并没有提交上去。

git push 命令,此命令才是真正的将所更改的文件提交到分支中。

(图引:https://blog.csdn.net/kabulore/article/details/51841230#comments_8742185

Github使用指南(学习中随时更新)的更多相关文章

  1. python学习笔记--随时更新

    # coding=GBK score = 90 if score >= 80: print("好") elif score >= 60: print("及格& ...

  2. Python编程学习笔记 随时更新

    import urllib.request import re url = 'http://stock.sohu.com/news/' html = urllib.request.urlopen(ur ...

  3. 在Linux系统中同步更新我们的Github博客

    原理介绍 类似于版本管理,我们把我们的hexo博客文件系统在Github上建立一个分支,通过管理分支提交最新的博客文件系统,保证我们博客框架的更新.然后我们基于最新的博客框架,撰写文章,进行Githu ...

  4. Git、Github、Gitkraken 学习笔记

    <Git.Github.Gitkraken 学习笔记> 一.写在前面 1.参考资料 本文参考 <Pro Git> 一书. 在官网有免费在线版可供阅读:https://git-s ...

  5. Github使用指南-从新手到专家

    转载自:http://www.cnblogs.com/xirongliu/p/4589834.html 个人从刚刚开始接触github,啥都不知道,不会用,不知道能够用来干什么,到现在坚持在githu ...

  6. Git与Github的使用学习

    摘要 本文讲解下Git的使用,包括使用Git上传项目工程到Github,文末有彩蛋哦. 1.安装Git 使用apt-get安 sudo apt-get update sudo apt-get inst ...

  7. 深度学习中优化【Normalization】

    深度学习中优化操作: dropout l1, l2正则化 momentum normalization 1.为什么Normalization?     深度神经网络模型的训练为什么会很困难?其中一个重 ...

  8. 深度学习中交叉熵和KL散度和最大似然估计之间的关系

    机器学习的面试题中经常会被问到交叉熵(cross entropy)和最大似然估计(MLE)或者KL散度有什么关系,查了一些资料发现优化这3个东西其实是等价的. 熵和交叉熵 提到交叉熵就需要了解下信息论 ...

  9. 深度学习中Dropout原理解析

    1. Dropout简介 1.1 Dropout出现的原因 在机器学习的模型中,如果模型的参数太多,而训练样本又太少,训练出来的模型很容易产生过拟合的现象. 在训练神经网络的时候经常会遇到过拟合的问题 ...

随机推荐

  1. Solution Set -「LOCAL」冲刺省选 Round XXIII

    \(\mathscr{Summary}\)   有一说一,虽然我炸了,但这场锻炼心态的效果真的好.部分分聊胜于无,区分度一题制胜,可谓针对性强的好题.   A 题,相对性签到题.这个建图确实巧妙,多见 ...

  2. Vue脚手架报错 Component name "Student" should always be multi-word vue/multi-word-component-names

    报错信息分析: 新手在第一个次使用脚手架的时候难免会遇到各种各样奇怪的问题,最近在学习Vue的过程中就出现了如下问题 通过阅读报错信息可知: 是我们的组件名有一些问题,(报错信息翻译过来大概就是组件名 ...

  3. NFS共享Nginx网页根目录(自动部署)

    IP HOSTNAME SERVICE SYSTEM 192.168.131.132 proxy-nfs nginx+nfs-server CentOS 7.6 192.168.131.131 ngi ...

  4. 小程序入门心得(不谈api)

    小程序入门 一.准备 首先先去微信公众平台注册一个小程序账号,去拿到一个AppID(没AppID也可以开发,只是有些功能会受限),注册成功后到开发设置获取自己的AppID,即使有AppID有些功能还是 ...

  5. JVM内存结构的组成、各部分功能作用

    一.程序计数器  作用:是记住下一条jvm指令的执行地址  特点: 是线程私有的 不会存在內存溢出 二.虚拟机栈 每个线程运行时所需要的内存,称为虚拟机栈 每个栈由多个栈帧(Frame) 组成,对应着 ...

  6. Anchor-free目标检测综述 -- Dense Prediction篇

      早期目标检测研究以anchor-based为主,设定初始anchor,预测anchor的修正值,分为two-stage目标检测与one-stage目标检测,分别以Faster R-CNN和SSD作 ...

  7. 教你如何使用flask实现ajax数据入库

    摘要:在正式编写前需要了解一下如何在 python 函数中去判断,一个请求是 get 还是 post. 本文分享自华为云社区<[首发]flask 实现ajax 数据入库,并掌握文件上传>, ...

  8. python处理图像矩阵--值转为int

    1. 在用python处理图像数字矩阵时,若对矩阵进行了加减乘除等运算,可能会造成矩阵元素值溢出,然后某些元素值可能都被赋为255:之后若重新显示图像,可能会没有什么变化,此时,可以将运算后的矩阵值转 ...

  9. 大数据分析用自助式BI工具就能轻松解决,so easy!

    之前老板给了我一个任务,让我赶紧学习一下大数据分析,下个季度就要用. 赶紧看了一下日历,这离下个季度还有不到半个月的时间,而且我还没有数据分析基础,该怎么能在这么短的时间内学会大数据分析呢-- 经过多 ...

  10. mac上Navicat新建数据库3680错误解决办法

    mac上Navicat新建数据库3680错误解决办法 1.在设置里关闭mysql,若不能关闭,在终端输入: sudo /usr/local/mysql/support-files/mysql.serv ...