【亲测免费】 Rhino Compute 项目教程
1. 项目介绍
Rhino Compute 是一个基于 RhinoCommon 和 headless Rhino 的 REST 几何服务器。它允许开发者通过 REST API 访问 Rhino 的几何计算功能,包括 Rhino 和 Grasshopper 的强大几何处理能力。Rhino Compute 是 Rhino 8 for Windows 的一部分,可以在任何支持 Rhino 8 for Windows 的环境中运行。
2. 项目快速启动
2.1 环境准备
在开始之前,确保你已经安装了以下软件:
- Rhino 8 for Windows
- Python 3.x
- Git
2.2 克隆项目
首先,克隆 Rhino Compute 项目到本地:
git clone https://github.com/mcneel/compute.rhino3d.git
cd compute.rhino3d
2.3 安装依赖
进入项目目录后,安装所需的 Python 依赖:
pip install -r requirements.txt
2.4 启动服务
使用以下命令启动 Rhino Compute 服务:
python src/compute.py
2.5 测试服务
启动服务后,你可以通过浏览器或 Postman 等工具访问以下 URL 来测试服务是否正常运行:
http://localhost:8081/version
如果服务正常,你将看到 Rhino Compute 的版本信息。
3. 应用案例和最佳实践
3.1 几何计算
Rhino Compute 可以用于各种几何计算任务,例如生成复杂的几何形状、进行布尔运算、以及处理曲面和曲线。以下是一个简单的 Python 示例,展示如何使用 Rhino Compute 生成一个简单的立方体:
import requests
url = "http://localhost:8081/rhino/geometry/box"
params = {
"basePlane": "Plane(Point3d(0,0,0), Vector3d(0,0,1))",
"xSize": 10,
"ySize": 10,
"zSize": 10
}
response = requests.get(url, params=params)
print(response.json())
3.2 Grasshopper 计算
Rhino Compute 还支持 Grasshopper 的计算功能。你可以通过 REST API 调用 Grasshopper 定义的组件和逻辑。以下是一个示例,展示如何调用 Grasshopper 组件:
import requests
url = "http://localhost:8081/grasshopper"
data = {
"pointer": "your_grasshopper_definition_path",
"values": {
"input_param1": "value1",
"input_param2": "value2"
}
}
response = requests.post(url, json=data)
print(response.json())
4. 典型生态项目
4.1 Rhino 3D
Rhino 3D 是一个强大的三维建模工具,广泛应用于建筑、工业设计和产品设计等领域。Rhino Compute 作为 Rhino 3D 的一部分,提供了强大的几何计算能力,使得开发者可以在 Rhino 3D 的基础上构建更复杂的应用。
4.2 Grasshopper
Grasshopper 是 Rhino 3D 的可视化编程插件,允许用户通过图形界面创建复杂的参数化模型。Rhino Compute 支持 Grasshopper 的计算功能,使得开发者可以通过 REST API 访问 Grasshopper 的强大功能。
4.3 Rhino.Inside
Rhino.Inside 是一个允许 Rhino 3D 嵌入到其他应用程序中的项目。通过 Rhino.Inside,开发者可以在其他应用程序中使用 Rhino 3D 的几何计算功能,进一步扩展 Rhino Compute 的应用场景。
通过以上模块的介绍,你应该能够快速上手 Rhino Compute 项目,并了解其在实际应用中的潜力。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0187
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08