Virtuoso开源版:搭建指南
2024-12-27 12:09:38作者:廉彬冶Miranda
1. 安装指南
在开始编译和安装Virtuoso之前,请确保系统中安装了以下依赖包:
| 软件包 | 最小版本 | 最高版本 | 获取途径 |
|---|---|---|---|
| autoconf | 2.57 | 2.69 | autoconf官网 |
| automake | 1.9 | 1.16.1 | automake官网 |
| libtool | 1.5 | 2.4.6 | libtool官网 |
| flex | 2.5.33 | 2.6.4 | flex官网 |
| bison | 2.3 | 3.5.1 | bison官网 |
| gperf | 3.0.1 | 3.1 | gperf官网 |
| gawk | 3.1.1 | 5.3.0 | gawk官网 |
| m4 | 1.4.1 | 1.4.18 | m4官网 |
| make | 3.79.1 | 4.2.1 | make官网 |
| OpenSSL | 0.9.8e | 3.3.x | OpenSSL官网 |
确保系统中安装了上述软件包及它们的开发头文件和库。
2. 项目使用说明
首先,在源代码根目录下执行以下命令:
./autogen.sh # 对于git clone来说,可能需要
./configure
make
这些命令会生成默认的二进制文件、VAD包和示例数据库。这个过程可能需要一些时间,特别是在构建和填充示例数据库、渲染XML文档以及组合各种Virtuoso应用包时。在2GHz的机器上,这个过程大约需要30分钟。
默认的配置不会启用大多数运行时托管和扩展功能。有关如何启用这些功能和所需额外软件的说明,请参阅构建页面上的链接。
某些构建可能需要在运行配置命令之前设置额外的C编译器和其他环境标志,特别是在构建64位版本的服务器时。如果您的系统不在列表中,请尝试在不设置任何环境变量的情况下运行配置命令。
注意:如果VAD或其他包在64位Linux平台上构建失败,请确保您没有使用过多的优化。已知CFLAGS=-O2是可行的,但有报告称-O3可能会失败。
3. 项目API使用文档
项目的API使用文档在项目的wiki中提供,详细描述了如何使用Virtuoso的API进行开发。
4. 项目安装方式
从源代码安装
在执行configure && make之后,使用以下命令进行安装:
make install
在源代码构建树的根目录下执行此命令,会将文件复制到由configure命令的–prefix选项指定的位置。默认情况下,–prefix的值为/usr/local/。您可以通过指定make install prefix=/opt/virtuoso来覆盖此设置。
以下是默认情况下,文件会被复制到以下子目录:
share/virtuoso/doc/htmlshare/virtuoso/doc/pdfshare/virtuoso/vad- VAD包,包括BPEL、Conductor、教程、文档var/lib/virtuoso/db- 空数据库var/lib/virtuoso/demo- 示例数据库 - 自版本5.0.3起已废弃bin/- 包含virtuoso-t、isql、isqlw、virt_mail、virtuoso-sample-t、inifile等可执行文件lib/- 包含libvirtuoso-t.a、libvirtuoso-t.la、virtodbc32.a、virtodbc32.la、virtodbc32 r.a、virtodbc32_r.la、virtodbc_r.so、wikiv.so以及可能启用的任何插件lib/virtuoso- 托管示例sample.a、hosting_sample.la、hosting_sample.so、插件示例plugin_sample.a、plugin_sample.so
使用安装程序安装
如果从源代码安装不适合您,可以下载并使用以下安装程序进行安装:
测试套件
可选地,您可以在构建树的根目录下运行以下命令来启动自动化测试套件:
make check
在2GHz的机器上,这个过程大约需要一个小时,并且需要大约1GB的磁盘空间。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-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
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
192
212
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++
649
270
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
297
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143