Checkpoint 开源项目使用教程
1. 项目介绍
Checkpoint 是一个快速且简单的 Homebrew 存档管理器,适用于 3DS 和 Switch 平台。该项目由 BernardoGiordano 创建,旨在提供一个高效、轻量级的存档管理解决方案。Checkpoint 支持 3DS 和 DS 卡带、数字标准标题和演示标题的存档管理,并且能够自动检查和过滤没有存档的 Homebrew 标题,无需外部标题列表和过滤器。对于 Switch 平台,Checkpoint 支持 NAND 存档管理,自动加载标题信息。
2. 项目快速启动
2.1 环境准备
在开始使用 Checkpoint 之前,请确保您已经安装了以下依赖:
-
3DS 版本:
dkp-pacman -S libctru citro3d citro2d tex3ds 3ds-bzip2 -
Switch 版本:
dkp-pacman -S libnx switch-pkg-config switch-freetype switch-libpng switch-libjpeg-turbo switch-sdl2 switch-sdl2_image switch-sdl2_ttf
2.2 下载与编译
-
克隆项目仓库:
git clone https://github.com/FlagBrew/Checkpoint.git cd Checkpoint -
编译项目:
-
3DS 版本:
make -f Makefile.3ds -
Switch 版本:
make -f Makefile.switch
-
2.3 安装与使用
- 将编译好的二进制文件复制到您的 3DS 或 Switch 设备上。
- 在设备上运行 Checkpoint,首次启动可能需要较长时间(通常为 1-2 分钟),因为需要创建工作目录。
- 使用 DPAD/LR 滚动标题列表,使用 A 键选择目标标题。
- 使用 DPAD 或触摸屏选择目标备份进行恢复或覆盖。
3. 应用案例和最佳实践
3.1 3DS 存档管理
Checkpoint 支持 3DS 和 DS 卡带、数字标准标题和演示标题的存档管理。用户可以通过 Checkpoint 轻松备份和恢复游戏存档,确保数据安全。
3.2 Switch 存档管理
对于 Switch 平台,Checkpoint 支持 NAND 存档管理,自动加载标题信息。用户可以方便地备份和恢复游戏存档,避免数据丢失。
3.3 自定义配置
用户可以通过编辑 config.json 文件来自定义 Checkpoint 的功能。例如,可以添加过滤器、收藏夹和额外的存档文件夹。
4. 典型生态项目
4.1 FlagBrew
FlagBrew 是一个致力于为 3DS 和 Switch 平台提供 Homebrew 解决方案的社区。Checkpoint 是 FlagBrew 项目的一部分,为用户提供了一个高效、轻量级的存档管理工具。
4.2 devkitPro
devkitPro 是一个开源的开发工具链,支持 3DS 和 Switch 平台的 Homebrew 开发。Checkpoint 项目依赖于 devkitPro 提供的工具和库进行编译和开发。
4.3 TWLSaveTool
TWLSaveTool 是一个用于 3DS 平台的存档管理工具,Checkpoint 项目从中借鉴了部分 SPI 代码,以提高存档管理的效率和稳定性。
通过以上模块的介绍,您可以快速了解并开始使用 Checkpoint 项目,确保您的 3DS 和 Switch 游戏存档安全可靠。
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 StartedRust0195
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 Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07