Dynamo技术文档
2024-12-28 23:54:36作者:尤峻淳Whitney
1. 安装指南
系统要求
在Windows系统上构建最新的Dynamo,您需要以下软件:
- Microsoft Visual Studio 2022(任何版本)
- Microsoft .NET Framework 8(随Visual Studio 2022提供)
- Node.js LTS 和 npm
如果您正在处理旧版本分支,可能需要通过Visual Studio 工具 > 获取工具和功能...安装旧版.NET Framework,或者从这里下载。
Dynamo的用户界面仅限Windows系统,但Dynamo引擎可以构建于其他平台。关于如何在Linux或OS X上构建Dynamo的指南,请参考这里。
构建步骤
- 安装上述所有必要的软件。
- 克隆Dynamo的Git仓库到本地。
- 使用Visual Studio打开并构建
Dynamo.sln解决方案。
2. 项目的使用说明
Dynamo是一个可视化编程工具,旨在让非程序员和程序员都能轻松使用。用户可以通过可视化脚本来定义行为、自定义逻辑片段,并使用各种文本编程语言进行脚本编写。
要学习或下载Dynamo,请访问dynamobim.org。
3. 项目API使用文档
Dynamo的API文档可以在Fuget.org上查阅,其中包含了核心功能在Dynamo NuGet包中的公共API调用索引。请注意,这是正在进行中的工作(WIP)。
关于Dynamo API的变更,可以在API变更文档中找到每个版本所做的更改。
您还可以在Dynamo wiki或Dynamo开发者页面上了解更多关于为Dynamo开发库的信息。
4. 项目安装方式
如果您对为Dynamo开发节点库感兴趣,可以从浏览DynamoSamples开始。这些示例使用了Dynamo NuGet包,可以使用Visual Studio中的NuGet包管理器进行安装。
请按照以下步骤安装Dynamo:
- 打开Visual Studio。
- 使用NuGet包管理器搜索并安装
DynamoVisualProgramming.Core。 - 按照项目文档中的指导进行开发。
以上就是关于Dynamo项目的技术文档,旨在帮助用户更好地安装、使用和理解Dynamo。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue07- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.88 K
Ascend Extension for PyTorch
Python
396
474
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
359
219
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++
902
703
🎉 (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
1.39 K
786
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
813
199
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
92
162