Embree 技术文档
本文档旨在帮助用户安装、使用和理解 Embree 项目,详细介绍了以下内容:
- 安装指南
- 项目使用说明
- 项目 API 使用文档
- 项目安装方式
1. 安装指南
Windows 安装
Embree 为 Windows 提供了一个预编译的 ZIP 压缩包。下载后,解压该文件,并手动将 lib 文件夹的路径添加到系统的 PATH 环境变量中,以便应用程序能够找到 Embree。
Linux 安装
Embree 为 Linux 提供了一个预编译的 tar.gz 压缩包。使用 tar 命令解压该文件,并使用提供的 embree-vars.sh(如果您使用的是 bash shell)或 embree-vars.csh(如果您使用的是 C shell)来正确设置环境:
tar xzf embree-4.3.3.x86_64.linux.tar.gz
source embree-4.3.3.x86_64.linux/embree-vars.sh
建议为您的应用程序添加一个相对的 RPATH,指向 Embree(和 TBB)所在的路径。
macOS 安装
macOS 版本的 Embree 也提供了一个 ZIP 文件。使用 tar 命令解压该文件,并使用提供的 embree-vars.sh(如果您使用的是 bash shell)或 embree-vars.csh(如果您使用的是 C shell)来正确设置环境:
unzip embree-4.3.3.x64.macosx.zip
source embree-4.3.3.x64.macosx/embree-vars.sh
如果要与应用程序一起打包 Embree,请使用提供的 ZIP 文件中的 Embree 库。
2. 项目的使用说明
使用 Embree 的最便捷方式是通过 CMake。在您的 CMakeLists.txt 文件中,使用 FIND_PACKAGE 函数让 CMake 查找解压后的 Embree 包:
FIND_PACKAGE(embree 4 REQUIRED)
您可能需要设置 embree_DIR 变量指向包含 embree_config.cmake 文件的文件夹。如果您没有在系统上全局安装 TBB,还需要设置 TBB_DIR 变量:
cmake -D embree_DIR=path_to_embree_package/lib/cmake/embree-4.3.3/ \
-D TBB_DIR=path_to_tbb_package/lib/cmake/tbb/ \
..
FIND_PACKAGE 函数将创建一个 embree 目标,您可以将其添加到您的目标链接库中:
TARGET_LINK_LIBRARIES(application embree)
有关如何构建 Embree 应用程序的完整示例,请查看 Embree 包的 src 文件夹中的 minimal 教程及其 README.txt 文件。
3. 项目 API 使用文档
Embree 的 API 文档详细介绍了如何使用其各种功能。以下是一些关键点:
- 使用不同的几何原语,如三角形、Catmull-Clark 分割曲面、曲线原语、点状原语等。
- 利用运动模糊,包括多段运动模糊、形变模糊和四元数运动模糊。
- 使用射线遮罩和过滤器回调。
有关更详细的 API 使用说明,请参考 Embree 的官方文档。
4. 项目安装方式
Embree 支持多种编译器和平台,包括 Windows、Linux 和 macOS。以下是一些基本的安装步骤:
- 下载 Embree 的源代码或预编译版本。
- 解压并设置环境变量。
- 使用 CMake 构建项目。
有关详细的构建说明,请参考 Embree 的官方文档和教程。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00