Packing Generation 项目安装与使用教程
2024-10-10 10:27:06作者:翟萌耘Ralph
1. 项目目录结构及介绍
packing-generation/
├── PackingGeneration/
│ ├── _Debug/
│ ├── _DebugTests/
│ ├── _Release/
│ ├── _ReleaseTests/
│ ├── cproject/
│ ├── project/
│ ├── LICENSE.txt
│ ├── PackingGeneration.sln
│ ├── README.md
│ └── packing_generation.ipynb
├── Tests/
├── Docs/
│ ├── Architecture.txt
│ ├── Compilation.txt
│ └── ...
├── Externals/
├── Examples/
└── ...
目录结构说明
-
PackingGeneration/: 项目的主要代码目录,包含源文件、调试和发布版本、项目文件等。
- _Debug/: 调试版本的输出目录。
- _DebugTests/: 调试版本的测试输出目录。
- _Release/: 发布版本的输出目录。
- _ReleaseTests/: 发布版本的测试输出目录。
- cproject/: 项目配置文件目录。
- project/: 项目源文件目录。
- LICENSE.txt: 项目许可证文件。
- PackingGeneration.sln: 项目解决方案文件。
- README.md: 项目介绍和使用说明。
- packing_generation.ipynb: Jupyter Notebook 文件,可能包含代码示例或文档。
-
Tests/: 测试代码目录。
-
Docs/: 项目文档目录,包含编译和架构说明。
-
Externals/: 外部依赖或库目录。
-
Examples/: 示例文件目录,包含示例配置和输出文件。
2. 项目启动文件介绍
项目的启动文件是 PackingGeneration.sln,这是一个 Visual Studio 解决方案文件。通过打开此文件,可以在 Visual Studio 中加载整个项目,并进行编译和运行。
启动步骤
- 打开 Visual Studio。
- 选择“文件” -> “打开” -> “项目/解决方案”。
- 导航到
PackingGeneration.sln文件并打开。 - 在 Visual Studio 中,选择合适的配置(Debug 或 Release),然后点击“启动”按钮(通常是绿色的播放按钮)来运行项目。
3. 项目的配置文件介绍
项目的配置文件主要位于 PackingGeneration/ 目录下,包括 generation.conf 和 diameters.txt 等。
generation.conf 配置文件
generation.conf 文件用于配置硬球填充生成算法的参数。以下是一些关键参数的说明:
Particles count: 10000 # 粒子数量
Packing size: 20.0823593086113 20.0823593086113 20.0823593086113 # 填充盒子的尺寸
Generation start: 0 # 生成开始状态(0:使用预生成填充,1:生成新的泊松填充)
Seed: 341 # 随机数种子
Steps to write: 1000 # 写入临时状态的步数
Boundaries mode: 1 # 边界模式(1:体模式,2:椭球模式,3:矩形模式)
Contraction rate: 1.328910e-002 # 收缩率
Generation mode: 1 # 生成模式(1:泊松,2:单元泊松)
diameters.txt 配置文件
diameters.txt 文件用于指定粒子的直径。每行一个直径值,如果没有提供此文件,所有粒子的直径将默认为1.0。
1.2
1.3
1.4
...
通过这些配置文件,用户可以自定义硬球填充生成的参数,以满足不同的研究需求。
登录后查看全文
热门项目推荐
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
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868