zooshi 的安装和配置教程
项目基础介绍
zooshi 是一个开源游戏项目,玩家在游戏中乘坐木筏顺流而下,向穿着体面的动物顾客投掷寿司。该项目旨在展示如何使用来自 Google 的 Fun Propulsion Labs 开发的一系列开源游戏技术构建跨平台游戏。
主要编程语言
zooshi 主要使用 C++ 编程语言,同时也包含 Python、CMake、Makefile、Shell 和 GLSL 等其他语言元素。
关键技术和框架
项目使用的关键技术和框架包括但不限于以下几种:
- Breadboard
- CORGI
- FlatBuffers
- FlatUI
- fplbase
- fplutil
- Motive
- Pindrop
- Scene Lab
- WebP
- Google Cardboard API
准备工作
在开始安装 zooshi 之前,请确保您的系统中已经安装以下依赖项和工具:
- Git 版本控制系统
- CMake 构建系统
- 与项目兼容的编译器(如 GCC 或 Clang)
- 可能还需要 Java Development Kit (JDK) 用于 Android 构建环境
- Android Studio(如果您打算在 Android 设备上运行游戏)
安装步骤
以下是详细的 zooshi 安装步骤:
步骤 1:克隆项目
首先,您需要从 GitHub 克隆 zooshi 项目到本地机器上。打开命令行终端,执行以下命令:
git clone --recursive https://github.com/google/zooshi.git
步骤 2:安装依赖
zooshi 使用 Git 子模块引用其他依赖组件。确保在克隆过程中使用了 --recursive 选项,以自动初始化并更新所有子模块。
如果未能正确初始化子模块,您可以手动执行以下命令:
cd zooshi
git submodule update --init --recursive
步骤 3:构建项目
在克隆和初始化所有子模块之后,您需要使用 CMake 来构建项目。
创建一个新的构建目录,并切换到该目录:
mkdir build && cd build
然后运行 CMake 来生成构建系统文件:
cmake ..
最后,使用 make 命令来编译项目:
make
步骤 4:运行项目
编译完成后,您可以在相应平台上运行 zooshi。具体的运行命令可能会根据平台和构建系统有所不同。通常,您可以在项目的根目录或构建目录中找到可执行文件,然后直接运行它。
在 Linux 或 macOS 上,运行可执行文件的命令可能如下:
./zooshi
在 Windows 上,如果您使用的是 Visual Studio,可能需要从 Visual Studio 中启动项目。
请注意,具体的运行步骤可能需要根据项目的文档和您的开发环境进行调整。
以上就是 zooshi 的安装和配置指南。请按照上述步骤操作,并根据需要参考项目文档来解决可能出现的问题。
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