Citra 3DS 模拟器使用教程
1. 项目介绍
Citra 是一个实验性的开源 Nintendo 3DS 模拟器/调试器,使用 C++ 编写。它旨在实现高度的可移植性,目前支持 Windows、Linux 和 macOS 平台。Citra 模拟了一部分 3DS 硬件,因此可以用于运行和调试自制应用程序,并且能够运行许多商业游戏。尽管有些游戏尚未达到可玩状态,但开发团队每天都在努力推进项目的发展。
Citra 是根据 GPLv2(或任何更高版本)许可证发布的。请参阅项目中的 license.txt 文件以获取更多信息。在开始使用项目之前,建议阅读 FAQ。
2. 项目快速启动
2.1 克隆项目
首先,你需要从 GitHub 克隆 Citra 项目到本地:
git clone https://github.com/weihuoya/citra.git
cd citra
2.2 构建项目
2.2.1 Windows 构建
在 Windows 上,你可以使用 Visual Studio 进行构建。首先,确保你已经安装了 Visual Studio 和 CMake。然后,按照以下步骤进行构建:
mkdir build
cd build
cmake .. -G "Visual Studio 16 2019" -A x64
打开生成的 Citra.sln 文件,并在 Visual Studio 中构建项目。
2.2.2 Linux 构建
在 Linux 上,你可以使用以下命令进行构建:
mkdir build
cd build
cmake ..
make
2.2.3 macOS 构建
在 macOS 上,你可以使用以下命令进行构建:
mkdir build
cd build
cmake ..
make
2.3 运行 Citra
构建完成后,你可以在 build/bin 目录下找到 Citra 的可执行文件。运行以下命令启动 Citra:
./citra
3. 应用案例和最佳实践
3.1 运行自制游戏
Citra 不仅可以运行商业游戏,还可以运行许多自制游戏。你可以将自制游戏的 ROM 文件加载到 Citra 中进行测试和游玩。
3.2 调试游戏
Citra 提供了强大的调试功能,开发者可以使用这些功能来调试和优化游戏。例如,你可以使用 Citra 的调试器来查看游戏的内存状态、设置断点等。
3.3 贡献代码
如果你对 Citra 项目感兴趣,可以通过提交 Pull Request 来贡献代码。在贡献代码之前,请阅读项目的 CONTRIBUTING.md 文件,了解如何正确地提交代码。
4. 典型生态项目
4.1 Citra-Android
Citra-Android 是 Citra 的 Android 版本,允许用户在移动设备上运行 3DS 游戏。该项目目前仍在开发中,但已经可以运行一些简单的游戏。
4.2 Citra-Web
Citra-Web 是一个基于 WebAssembly 的 Citra 版本,允许用户在浏览器中运行 3DS 游戏。该项目目前处于实验阶段,但展示了 Citra 在不同平台上的强大适应性。
4.3 Citra-Updater
Citra-Updater 是一个用于自动更新 Citra 的工具,帮助用户保持 Citra 的最新版本。该项目简化了用户更新 Citra 的过程,确保用户始终使用最新的功能和修复。
通过以上教程,你应该能够顺利地开始使用 Citra 3DS 模拟器,并了解如何为项目做出贡献。希望你能享受在 Citra 上运行和调试游戏的乐趣!
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 StartedRust0197
cann-learning-hubCANN 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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07