기본 콘텐츠로 건너뛰기

Git

git init : git 저장소 생성

git add : git 대기 영역에 변경사항을 추가

    파일/경로 : git 대기 영역에 파일이나 경로의 변경사항을 추가

    . : git 대기 영역에 현재 경로의 모든 변경사항을 추가

    -a : git 대기 영역에 모든 모든 변경사항을 추가

    -p : git 대기 영역에 변경사항을 각각 편집

git commit : git 대기 영역의 내용을 git 저장소에 저장

    -m "문장" : git 대기 영역의 내용을 git 저장소에 저장하고 문장을 기록

git status : git 저장소의 내용을 확인

git remote : git 원격 저장소 연결

    add 이름 주소 : git 원격 저장소의 주소로 연결하고 별칭은 이름으로 설정

    -v : git 원격 저장소의 모든 이름과 주소

    rename 원래이름 바꿀이름: git 원격 저장소의 원래이름을 바꿀이름으로 변경

    rm 이름 : git 원격 저장소 '이름'을 삭제

git push : git 저장소에 있는 내용을 git 원격 저장소에 저장

    이름 이름2: git 원격 저장소 '이름'에 분기 '이름2'를 저장

git branch : git 저장소의 분기

    -d 이름 : git 저장소의 이름 분기 삭제

git checkout : git 저장소의 분기 변경

    -b 이름 : 이름 분기를 생성 후 이름 분기로 이동

git put : git 원격 저장소의 내용을 git 저장소에 저장

git clone : git 원격 저장소의 내용을 저장

git merg : git 저장소의 분기 병합

git fetch : git 원격 저장소의 내용을 

git log : git 저장소의 기록

    -n 숫자: git 저장소의 기록을 숫자 개 보기

git grep : git 저장소의 내용 검색

git reset : git 저장소의 내용을 초기화

git stash : git 저장소에 임시 저장


git init // 현재 경로의 git 저장소 생성

git add file // file의 변경사항을 git 대기 영역에 추가한다.

git commit -m "add file" // 대기 영역의 내용을 git 저장소에 저장한다.

git status // 반영 되어있는지 확인한다.

git remote add origin https://github.com/username/repository // https://github.com/username/repository주소의 원격 저장소를 origin이라는 이름으로 추가한다.

git push origin master // origin 원격 저장소에 master분기가 git 저장소에 있는 내용을 저장한다.

git branch // 현재 분기 목록을 확인한다.

git branch branch1 // branch1이라는 분기를 만든다.

git checkout branch1 // branch1 분기로 이동한다.

git push origin branch1 // branch1 분기가 git 저장소의 내용을 origin 원격 저장소에 저장한다.

git pull // 현재 분기(branch1)의 내용을 git 저장소에 저장한다.

git config --global user.name 이름 // 이름 저장

git config --global user.email 이메일 // 이메일 저장

git config --global credential.helper cache // 15분간 비밀번호 저장

git config credential. helper 'cache --timeout=300' // 비밀번호 저장 시간 연장

git config credential.helper store // 아이디와 비밀번호 저장

이 블로그의 인기 게시물

Python Sklearn make_regression

from sklearn.datasets import make_regression import matplotlib.pyplot as plt X, y = make_regression(n_samples=250, n_features=1, noise=50, random_state=2) plt.scatter(X,y, s=2) plt.show() from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 x_train, x_test, y_train, y_test = train_test_split(X,y, test_size=.20, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # 모델 생성 model = LinearRegression() # 학습하기 model.fit(x_train, y_train) # 가중치, 편향치 구하기 model.coef_, model.intercept_ # (array([90.11061494]), 2.4224269924448585) # 결정 계수 model.score(x_train, y_train) # 0.789267454050733 # 추정 pred = model.predict(x_test) # 산점도 plt.scatter(x_test,y_test) plt.plot(x_test, pred, 'r-') plt.show() # 추정 model.predict([[3.0]]) # 학습할 때 주는 데이터의 형식을 따른다 # x의 최소값, 최대값을 계수와 절편을 사용하여 ...