前言

本文为使用github同步管理自己服务器代码的教程。现如今，大家基本利用服务器进行开发，尤其是对于使用深度学习的同学们。但是，假如某一天，服务器突然崩了，而论文又急着等待实验；又或者因为自己误输入某些命令或者在使用VScode时误删了某些代码。想要找回代码的时候，托管仓库中的代码就至关重要。当然，托管并不仅限于此。其提供的版本管理、标签等一系列功能，都十分有助于让我们的开发过程更加规范且便捷。

常见的托管网站

• Github：https://github.com/
• Gitee：https://gitee.com/
• Coding：https://coding.net/

托管代码前的工作

确定平台并且注册账号

首先，确定自己托管代码的平台，可以是Github或者Gitee或者Coding（当然，Coding还包括协同开发等）。注册账号等，这里就不赘述了。
上述3个平台，实际上都是使用git来实现托管。
git的本质就是开源的分布式版本控制系统。当然，开源的分布式版本控制系统并不止git一种。关于git命令的使用，可以参考Git 教程

安装git

这一步通常是服务器的管理员完成的

sudo apt-get install git

你可以通过以下命令确定自己使用的服务器是否已经安装了git：

git --version

如果返回的是：

Command 'git' not found, but can be installed with:

apt install git
Please ask your administrator.

则说明服务器还没有安装git服务。

首次托管代码

需要注意的是，你需要确定自己的代码仓库是公开的还是私人的。以下内容以Gitee为例。

配置本地的git配置信息

git config --global user.name "你的名字或昵称"
git config --global user.email "你的邮箱"

初始化本地代码目录为仓库

例如下面路径的文件夹git_repo_example为我想要托管的代码目录

首先，在gitee新建一个仓库，如下图所示：

创建成功后会弹出与本地仓库关联的教程

然后，在本地服务器切换到该目录下面，执行以下命令初始化目录为仓库：

git init

初始化后，会在该目录下面多出一个.git目录（ll命令可见）

完成首次文件提交

把目录下的所有文件添加到仓库

git add .

提交更新记录

git commit -m "初始化仓库,完成第一次提交"

如下图所示，表明提交成功

需要注意的是，此时只是在本地使用了git进行版本管理，尚未有将代码推送到远程仓库

本地仓库与远程仓库关联

git remote add origin https://gitee.com/yirongchen/git_repo_example.git

将本地仓库push到远程仓库

git push -u origin master

需要输入账号和密码

刷新仓库链接，可以看到下图所示的信息：

更新同步代码

通常来说，我们在本地开发，需要不断向远程仓库推送代码进行版本记录。流程如下：

添加需要提交的文件

git add 文件名/目录名

例如：

git add example_pic1.png

如果需要对本地仓库的所有文件都进行提交更新，则运行：

git add .

提交更新到本地仓库

git commit -m "撰写本次提交的说明，通常为一句话"

例如：

git commit -m "增加一张图片用于解释更新代码"

推送本地仓库到远程仓库

git push -u origin master

Github新版本的初始化流程

登录github，新建一个仓库，了例如命名为：PythonTutorial，在本地进入项目的目录下，

cd 项目文件夹
git init
# 将所有文件add到暂存区
git add .
git commit -m "first commit"
git branch -M main
# 以下的username、PythonTutorial需要根据实际情况修改
git remote add origin git@github.com:username/PythonTutorial.git
git push -u origin main

完整的开发流程

在进行AI项目开发时，首先将本地代码目录初始化为git仓库，接着将本地代码仓库与远程代码仓库进行关联，在开发过程中，不断利用git add .、git commit -m "提交说明"与git push -u origin master命令将本地代码更新到远程仓库。

在进行AI项目开发时，需要将本地开发环境导出为yml文件，假如你的Python环境是使用conda进行配置的，则可以通过以下命令导出环境配置，详细可以参考保存/导出环境配置：

conda env export --file python_env.yml