jstest-gtk 项目技术文档
2024-12-23 22:39:57作者:胡唯隽
1. 安装指南
系统要求
在开始安装之前,请确保您的系统已经安装了以下软件包:
cmakesigc++gtkmm
这些软件包通常可以在大多数Linux发行版的包管理器中找到。
安装步骤
- 打开终端并克隆项目仓库:
git clone https://github.com/Grumbel/jstest-gtk.git - 进入项目目录:
cd jstest-gtk - 创建一个构建目录并进入该目录:
mkdir build cd build - 运行
cmake配置构建环境:cmake .. - 编译项目:
make
2. 项目的使用说明
启动程序
编译完成后,您可以通过以下命令启动jstest-gtk:
./jstest-gtk
如果您知道要测试的设备,可以直接指定设备路径:
./jstest-gtk /dev/input/js0
主界面功能
- 设备列表:主窗口会显示当前连接的摇杆设备列表。
- 测试对话框:双击设备列表中的某个摇杆,将显示测试对话框,允许您测试摇杆的按钮和轴。
- 映射对话框:允许您重新排列按钮和轴的顺序,适用于某些游戏对按钮和轴顺序有特定要求的情况。
- 校准对话框:允许您调整摇杆的低级细节,例如反转轴、禁用轴或移除死区,以获得更精细的控制。
3. 项目API使用文档
环境变量配置
在某些情况下,您的SDL版本可能不会使用摇杆接口,而是直接使用/dev/input/event*设备。在这种情况下,您可以通过设置环境变量来强制SDL使用摇杆设备:
SDL_JOYSTICK_DEVICE="/dev/input/js0"
export SDL_JOYSTICK_DEVICE
如果您需要使用多个摇杆,上述方法可能无效,您可能需要重新编译SDL并禁用evdev支持。
特殊配置
SDL_LINUX_JOYSTICK:用于Linux的特殊摇杆配置字符串,格式为name numaxes numhats numballs,其中name是摇杆的名称,其余是轴、帽子和球的数量。SDL_JOYSTICK_DEVICE:指定Linux摇杆驱动程序使用的摇杆设备,除了通常的/dev/js*、/dev/input/event*、/dev/input/js*。
4. 项目安装方式
源码安装
- 克隆项目仓库:
git clone https://github.com/Grumbel/jstest-gtk.git - 进入项目目录并创建构建目录:
cd jstest-gtk mkdir build cd build - 配置并编译项目:
cmake .. make
包管理器安装
某些Linux发行版可能已经将jstest-gtk打包,您可以通过包管理器直接安装。例如,在Debian/Ubuntu系统上,您可以使用以下命令:
sudo apt-get install jstest-gtk
通过以上步骤,您可以顺利安装并使用jstest-gtk项目。
登录后查看全文
热门项目推荐
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 StartedRust0191
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 Notebook0118
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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 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 Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221