3MS 的安装和配置教程
1. 项目基础介绍
3MS(Modular Multimaterial System)是一个为 Klipper 3D 打印机设计的模块化多材料系统。它的设计目标是简单、紧凑、可靠且经济实惠。3MS 允许用户使用单个打印机打印多种材料,从而扩展打印机的功能性和灵活性。本项目主要使用 Python 编程语言。
2. 项目使用的关键技术和框架
3MS 使用 Klipper 固件进行控制,这是一个开源的 3D 打印机 firmware。此外,3MS 的配置和操作依赖于 SSH(安全外壳协议)来进行远程通信,以及使用 Git 来克隆和更新项目代码。项目中,配置生成器使用 Python 编写,负责生成适用于不同打印机的配置文件。
3. 安装和配置准备工作
在开始安装 3MS 之前,请确保您的系统满足以下要求:
- 运行 Klipper 固件的 3D 打印机
- 具备 SSH 访问权限(几乎所有的 Klipper 安装都支持 SSH,如果没有,请确保设置 SSH)
- 有一个额外的 USB 端口
- 有一个适配器,用于将 PTFE 管安装到打印机挤出机的入口处
安装步骤
步骤 1:安装依赖
首先,您需要在您的计算机上安装 Git 和 Python。大多数操作系统都预装了 Python,如果没有,请从官方网站下载并安装。Git 可以从官方网站或通过包管理器安装。
步骤 2:克隆项目
打开终端或命令提示符,使用以下命令克隆 3MS 项目:
git clone https://github.com/3DCoded/3MS.git
cd 3MS
步骤 3:配置打印机
在项目目录中,有一个配置生成器脚本,您需要运行它来为您的打印机生成配置文件:
python generator.py
根据提示,输入您的打印机型号和所需的其他配置信息。脚本将生成一个适用于您打印机的配置文件。
步骤 4:上传配置到打印机
将生成的配置文件上传到您的打印机。这通常通过SCP(安全复制)命令完成:
scp /path/to/your/config/file /path/to/printer/
请替换 /path/to/your/config/file 和 /path/to/printer/ 为实际的文件路径和打印机路径。
步骤 5:重启打印机
上传完成后,重启您的打印机以应用新的配置:
ssh printer-restart
确保将 printer 替换为您的打印机的主机名或 IP 地址。
步骤 6:测试 3MS
配置完成后,您应该进行一次测试打印来验证一切是否正常工作。使用 Klipper 的界面发送 G-code 命令开始打印。
完成以上步骤后,您的 3MS 就应该安装并配置成功了。如果遇到任何问题,请查阅项目的文档或在社区寻求帮助。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00