Rerun 0.23.2版本发布:RRD迁移工具与关键修复
2025-06-07 19:40:35作者:郁楠烈Hubert
Rerun是一个面向多模态和时序数据的可视化分析工具库,它提供了简单易用的数据库和可视化功能,帮助开发者高效处理复杂的时空数据。作为一个开源项目,Rerun支持Python、Rust和C++等多种编程语言,并提供了跨平台的命令行工具。
核心更新:RRD文件迁移工具
在0.23版本中,Rerun对数据存储格式进行了重大调整,导致旧版本的.rrd文件无法直接在新版本中加载。为了解决这一兼容性问题,0.23.2版本引入了一个全新的迁移工具。
开发者现在可以通过rerun-cli的migrate命令,将旧版.rrd文件转换为新版格式:
rerun rrd migrate 旧文件.rrd
该命令会自动创建备份文件(.backup),然后执行迁移操作。需要注意的是,迁移工具主要支持0.20至0.22版本的文件,部分简单记录可能支持到0.18版本。
Rerun团队表示,未来将使用这种迁移机制来实现N+1兼容性保证:
- 0.23之后的查看器将始终能够加载前一版本的记录
- 0.23及以后的记录可以迁移到下一个版本
Python API改进
0.23.2版本对Python接口进行了多项优化:
- 新增了实验性的ViewerClient类,为Python开发者提供更多控制选项
- 改进了大整数时间戳的处理,避免潜在的数值溢出问题
- 修复了组件选择器在数据集索引创建和搜索API中的解析问题
- 明确了最低依赖版本要求:pyarrow需要18.0.0以上,numpy需要2.x版本
关键错误修复
本次版本包含多个重要的问题修复:
- 修正了世界坐标系网格在相机位于网格下方时的缩放问题
- 改进了张量视图的显示效果
- 修复了C++和Rust中对NV12和YUY2格式图像尺寸检查的错误
- 优化了数据刷新时的警告信息,减少误报情况
技术细节与开发者建议
对于使用Rerun进行开发的团队,建议尽快将项目升级到0.23.2版本,特别是那些需要处理历史.rrd文件的场景。迁移工具的使用可以大大简化版本过渡过程。
在Python环境中,开发者应注意检查依赖版本,特别是numpy和pyarrow的版本兼容性。对于使用C++的项目,新版SDK提供了更稳定的跨平台支持。
Rerun的持续改进展示了其在时空数据可视化领域的专业性和前瞻性,0.23.2版本的发布进一步巩固了其作为多模态数据分析首选工具的地位。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
342
146