新闻详情

新闻详情

首页 / 资讯中心 / 详情

Github上传代码/删除仓库/新建分支的操作流程记录

发布时间:2026/11/12 8:12:47来源:尧图网络
Github上传代码/删除仓库/新建分支的操作流程记录
首先先安装git安装完git后看如下操作指令输入自己的用户名和邮箱为注册GITHUB账号时的用户名和邮箱git config --global user.name HJX-exoskeletongit config --global user.email 2545304960qq.com在home目录中查看.gitconfig这个文件如下打开文件后发现name和email添加完毕。1、将代码上传到Github下面在需要上传代码的路径中开启一个终端git init此时会多出一个.git文件夹。继续输入git add .继续输入git commit -m init下面生成一个新的仓库repo:输入创建的仓库名imu_ros点击创建显示如下此时复制创建好的仓库网址链接。继续输入git remote add origin https://github.com/HJX-exoskeleton/imu_ros.gitgit push -u origin master这个地方需要输入自己的Github的name:名字---我这里是HJX-exoskeleton下面继续输入秘钥这个地方注意不是输入你自己的密码 是要输入你的秘钥获取方式如下点击头像找Setting点击这个选择下面的(Classic)这个地方选择“永不过期”再点击绿色的这个就可以生成token了下面继续复制这个生成的token这个token最好复制到一个可以备份的地方后面还会用到将token输入到这一步出现这个则为成功。可以去自己的仓库中看一下代码上传Github成功下面继续给出在已经初次提交的github云端项目新增文件的步骤Linux 下将新增或修改的代码上传到 GitHub本文适用于以下情况本地项目已经初始化 Git已经关联 GitHub 远程仓库需要上传新增文件或同步修改后的代码。1. 进入项目目录cd ~/hjx_file/lerobot-mujoco-rebot查看当前状态git status查看远程仓库git remote -v查看当前分支git branch --show-current如果显示master后续使用master如果显示main则将命令中的master替换为main。2. 上传新增文件或文件夹例如新增了文件夹rebot_act_sim/将其加入 Gitgit add rebot_act_sim/也可以添加所有新增和修改的文件git add .检查即将提交的内容git status提交到本地仓库git commit -m Add rebot_act_sim同步远程代码git pull --rebase origin master上传到 GitHubgit push origin master完整命令如下git add rebot_act_sim/ git commit -m Add rebot_act_sim git pull --rebase origin master git push origin master3. 修改代码后更新到 GitHub修改代码并保存后先查看变化git status git diff添加修改内容git add .提交修改git commit -m Update project code同步并上传git pull --rebase origin master git push origin master日常更新可以直接使用git add . git commit -m 描述本次修改内容 git pull --rebase origin master git push origin master4. 配置.gitignore为避免上传缓存、虚拟环境、日志和模型权重可以在项目根目录创建.gitignore__pycache__/ *.pyc .venv/ venv/ .env *.log .vscode/ .idea/ runs/ wandb/ checkpoints/ *.pt *.pth然后提交git add .gitignore git commit -m Add gitignore git push origin master5. 常见问题当前分支没有上游分支git push -u origin master设置完成后以后可以直接git push推送被拒绝通常是远程仓库存在新的提交先同步git pull --rebase origin master git push origin master提示没有配置用户名和邮箱git config --global user.name 你的GitHub用户名 git config --global user.email 你的GitHub邮箱撤销git add撤销某个文件git restore --staged 文件名撤销全部暂存git restore --staged .总结上传新增文件和更新已有代码的核心流程相同git status git add . git commit -m 提交说明 git pull --rebase origin master git push origin master执行git add .前建议先使用git status检查文件避免上传数据集、模型权重、密码、Token 或虚拟环境。2、删除已经创建的仓库点击这里的Setting翻到最后点击下面这个这里要将中间的一行复制下来一直下一步这时便可以进行删除了。3、在已有的仓库中新建一个分支目前没有建立分支的截图如下比如我使用pycharm编辑器来进行演示比如我在这个文件夹中新建一个py文件建立一个123.py文件后会自动跳出来一个界面点击Add再点击 Git:√注意这里先commit后再进行push修改名称后回车出现下面截图再点击push点击中间的Use Token:输入之前生成的Token再点击Log in最后会出现Push successful, 则算成功检查刷新github仓库是否多了一个V2分支V2分支出现使用pycharm编辑器进行创建分支成功
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/11 9:31:44

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/11 5:36:08

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉