一、当华为鸿蒙用户的我们想将自己的代码上传至GitHub时：

我们可以先在终端中敲入git config --global user.name"这里填写你的GitHub的用户名"

                                         git config --global user.name"这里填你注册用的邮箱" 

如果此时终端出现报错如图1-1所示

图1-1

那么此时我们可以选择通过网页拖拽的方式进行上传

1.创建仓库：在浏览器中打开github.com并登录账号。点击右上角的+号选择New repository。接下来根究自己的要求进行文件的相关设置

2.上传文件：在新仓库的页面找到uploading an existing file点击进去

3.拖拽文件：打开鸿蒙PC的文件管理，找到所需要上传的文件拖拽或选择文件上传

4.提交：最后点击绿色的Commit changes按钮即可

二、贴主暂时只知道这一种解决方法，如有更多的方法欢迎各位读者的留言

三、本人还在学习中，文本中如有错误和不足感谢指出、纠正和补充。谢谢各位的阅读

# 鸿蒙系统
Logo
人工智能6S服务平台

作为“人工智能6S店”的官方数字引擎，为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。

更多推荐

昇思 MindSpore 与 PyTorch 小模型迁移实战：数据准备全流程

本文针对PyTorch与MindSpore在数据加载、增强、格式及分布式读取上的差异，提出小模型迁移中的数据准备标准化方案。通过分析核心差异，构建“数据集定义→清洗→转换→增强适配→管道构建”五步流程，提供图像与文本分类场景的可运行迁移代码，实现数据分布、增强逻辑、输出格式的1:1对齐。重点保障归一化参数、增强概率、批处理等关键配置一致，并结合昇腾NPU优化，确保精度无损与训练高效。

avatar 人工智能6S服务平台

MindSpore Transformers 训练在线监控：实时曲线图可视化与代码实践

MindSpore Transformers 提供轻量级、无侵入的实时训练监控能力，通过自定义 Callback 实现 loss、学习率、速度等指标的动态曲线可视化，支持终端打印、Web 展示与文件持久化。无需依赖第三方平台，适配昇腾/鲲鹏国产化环境，开箱即用，助力大模型训练过程透明化，提升调试效率与稳定性。

avatar 人工智能6S服务平台

MindSpore Transformers LLM 训练迁移：确定模型配置

在大语言模型从PyTorch迁移到昇思MindSpore的过程中，正确确定模型配置是迁移成功的关键。MindSpore Transformers（MindFormers）通过AutoConfig实现Llama、Qwen等主流LLM的一键迁移，确保层数、头数、隐层维度、序列长度、精度模式等核心参数1:1对齐，保障权重可加载、训练行为一致。推荐使用自动加载+手动校验方式，结合config.json或y

avatar 人工智能6S服务平台