RVM 项目技术文档
2024-12-20 09:08:54作者:平淮齐Percy
1. 安装指南
1.1 系统要求
- Chef: 测试于 12.5.1 版本,但较旧版本的 Chef 可能由于资源模型的变化而无法正常工作。如果需要支持旧版本,请提交 Pull Request。
- 平台: 支持以下平台:
- Ubuntu (12.04 及以上)
- Debian (6.0 及以上)
- macOS (10.6/10.7)
- macOS Server
- SUSE (openSUSE, SLES)
- CentOS
- Amazon (2011.09)
- Scientific
- Red Hat
- Fedora
- Gentoo
1.2 依赖安装
- 如果安装 [JRuby][jruby],则需要安装 Java 运行时。可以使用 Opscode 的 [java cookbook][java_cb] 在支持的平台上安装。
- 在 macOS 上,建议使用 homebrew cookbook 来安装编译 Ruby 所需的额外包。
2. 项目安装方式
2.1 使用 Berkshelf 安装
- 安装 Berkshelf:
gem install berkshelf - 初始化 Berkshelf 并添加 RVM cookbook:
cd chef-repo berks init echo "cookbook 'rvm', github: 'fnichol/chef-rvm'" >> Berksfile berks install
2.2 使用 Librarian-Chef 安装
- 安装 Librarian-Chef:
gem install librarian-chef - 初始化 Librarian-Chef 并添加 RVM cookbook:
cd chef-repo librarian-chef init cat >> Cheffile <<END_OF_CHEFFILE cookbook 'rvm', :git => 'git://github.com/fnichol/chef-rvm.git', :ref => 'v0.10.1' END_OF_CHEFFILE librarian-chef install
3. 项目的使用说明
3.1 默认 Recipe
default recipe 安装 RVM gem 并初始化 Chef,以便使用本 cookbook 中的资源来安装和管理 RVM。
3.2 管理 RVM 和 Ruby
- 系统级 RVM: 可以安装和管理系统级的 RVM。
- 用户级 RVM: 可以为特定用户安装和管理 RVM。
- Ruby 管理: 可以管理已安装的 Ruby 版本。
4. 项目 API 使用文档
4.1 RVM 资源
- rvm_install: 安装 RVM。
- rvm_ruby: 安装和管理 Ruby 版本。
- rvm_gemset: 管理 RVM 中的 gemset。
4.2 示例
rvm_install 'install rvm' do
user 'username'
version 'latest'
end
rvm_ruby 'install ruby' do
version '2.7.2'
user 'username'
end
rvm_gemset 'create gemset' do
ruby_string '2.7.2@mygemset'
user 'username'
end
5. 贡献与测试
5.1 贡献
请参阅 CONTRIBUTING.md 文件了解如何贡献代码。
5.2 测试
- 确保安装了以下工具:
- [Vagrant][vagrant]
- [vagrant-berkshelf][vagrant-berkshelf]
- 运行
bundle install后,执行rake进行单元测试,执行kitchen test进行集成测试。
6. 许可证与作者
- 作者: Aaron Kalin (akalin@martinisoftware.com)
- 贡献者: 贡献者列表
- 许可证: Apache License, Version 2.0
登录后查看全文
热门项目推荐
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-1.5暂无简介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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
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。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1