WorldScore 项目启动与配置教程
2025-05-19 08:44:29作者:韦蓉瑛
1. 项目目录结构及介绍
WorldScore 项目目录结构如下:
WorldScore/
├── assets/
├── config/
│ ├── model_configs/
│ └── utils/
├── notebooks/
├── requirements/
├── thirdparty/
│ ├── DROID-SLAM/
│ ├── Grounded-Segment-Anything/
│ └── sam2/
├── world_generators/
│ ├──_configs/
│ └── generate_videos.py
├── worldscore/
│ ├── analysis/
│ ├── benchmark/
│ │ ├── datasets/
│ │ ├── evaluation/
│ │ ├── utils/
│ │ └── visuals/
│ └── metrics/
├── .gitignore
├── .gitmodules
├── LICENSE
├── MANIFEST.in
├── README.md
├── download.py
├── pylintrc
├── ruff.toml
├── setup.py
└── ...
各目录及文件功能说明:
assets/: 存储项目所需的资源文件。config/: 包含模型配置文件及工具类。notebooks/: Jupyter 笔记本文件,用于数据分析与可视化。requirements/: 存储项目依赖的 Python 包列表。thirdparty/: 存储第三方库的源代码。world_generators/: 包含用于生成视频的模型类和配置文件。worldscore/: 包含项目的核心代码,如分析工具、评估方法、指标计算等。.gitignore: 指定 Git 忽略的文件和目录。.gitmodules: 定义 Git 子模块。LICENSE: 项目的开源许可证文件。MANIFEST.in: 指定打包时包含的文件。README.md: 项目的说明文件。download.py: 用于下载项目所需数据的脚本。pylintrc: Python 代码风格配置文件。ruff.toml: 另一个 Python 代码风格配置文件。setup.py: 用于构建和打包 Python 包的脚本。
2. 项目的启动文件介绍
项目的启动主要是通过 world_generators/generate_videos.py 脚本实现的。该脚本负责调用配置好的模型类生成视频。
启动命令如下:
python world_generators/generate_videos.py --model-name <model_name>
其中 <model_name> 是用户自定义的模型名称。
3. 项目的配置文件介绍
项目的配置文件主要包括以下两部分:
模型配置文件
模型配置文件位于 config/model_configs/ 目录下,每个模型都有一个对应的 YAML 文件,例如 model_name.yaml。该文件包含了模型的初始化参数和生成视频所需的配置。
一个典型的模型配置文件如下:
_target_: world_generators.<model_name>.<model_name>
model_name: <model_name>
generation_type: i2v
frames: <frames>
fps: <fps>
# 其他模型特定的参数
环境配置文件
环境配置文件为 .env 文件,位于项目根目录。该文件定义了项目运行所需的环境变量,如项目路径、模型路径和数据集路径等。
一个典型的环境配置文件如下:
WORLDSCORE_PATH=/path/to/worldscore
MODEL_PATH=/path/to/model
DATA_PATH=/path/to/dataset
在运行项目之前,需要创建 .env 文件,并正确设置环境变量。然后,在新的终端会话中导出这些变量:
export $(grep -v '^#' .env | xargs)
以上是 WorldScore 项目的启动和配置文档。按照以上步骤操作,您可以顺利地启动并运行该项目。
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 StartedRust0444
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0760
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0310
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
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
494
515
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
799
1.13 K
暂无描述
Markdown
825
5.48 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++
780
1.57 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++
964
2.27 K
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++
1.2 K
1.24 K
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
640
272
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
830
6.13 K
昇腾LLM分布式训练框架
Python
193
272