Printrun 技术文档
1. 安装指南
1.1 预编译二进制包和软件包
1.1.1 Windows 和 macOS 预编译二进制包
可以从以下地址下载最新的预编译包:https://github.com/kliment/Printrun/releases/latest
注意: macOS 用户可能会遇到“无法验证开发者”的提示,此时可以通过右键点击应用并选择“打开”来解决。
1.1.2 Linux 官方仓库中的软件包
Ubuntu / Mint / Raspberry Pi OS / Debian
安装完整套件:
sudo apt install printrun
或者只安装需要的应用:
sudo apt install pronsole
或
sudo apt install pronterface
Fedora
安装完整套件:
sudo dnf install printrun
或者只安装需要的应用:
sudo dnf install pronsole
或
sudo dnf install pronterface
Arch Linux
可以通过 AUR 安装:
yaourt printrun
1.2 从源码运行
1.2.1 Linux / macOS
-
安装 Python
大多数 Linux 发行版已经预装了 Python。如果没有,可以通过包管理器安装。macOS 用户可以从 python.org 下载并安装最新版本的 Python。
-
下载最新的 Printrun 源码
在终端中运行以下命令:
git clone https://github.com/kliment/Printrun.git cd Printrun -
使用 Python 虚拟环境
建议使用虚拟环境以避免与其他 Python 库冲突。在 Printrun 根目录下创建并激活虚拟环境:
python -m venv venv source venv/bin/activate -
安装 Printrun
激活虚拟环境后,运行以下命令安装 Printrun:
python -m pip install . -
运行 Printrun
激活虚拟环境后,运行所需的应用:
pronterface.py
1.2.2 Windows
-
安装必要的软件
-
下载源码并编译
在 CMD 或 PowerShell 中运行以下命令:
git clone https://github.com/kliment/Printrun.git cd Printrun release_windows.bat -
运行应用
编译完成后,可以在
dist目录中找到Pronterface.exe和Pronsole.exe。
2. 项目使用说明
2.1 使用 Pronterface
设置完成后,可以在解压后的目录中启动 pronterface.py。选择端口名称和波特率,点击连接。加载 STL 或 GCODE 文件后,可以直接打印或上传到 SD 卡。
2.2 使用 Pronsole
pronsole.py 是一个交互式命令行主机,支持 Tab 补全功能。
2.3 使用 Printcore
printcore.py 是一个库,使得编写 RepRap 主机变得简单。
2.4 使用 Platers
Platers 是一个帮助脚本集合,用于处理 3D 打印机的相关任务。
3. 项目 API 使用文档
3.1 printcore.py
printcore.py 提供了与 3D 打印机通信的 API,开发者可以通过该库轻松编写自定义的 3D 打印机主机。
3.2 pronsole.py
pronsole.py 提供了命令行接口,支持多种命令和 Tab 补全功能。
3.3 pronterface.py
pronterface.py 提供了图形化界面,功能与 pronsole.py 相同。
4. 项目安装方式
4.1 预编译包安装
可以从 GitHub 下载预编译的二进制包,或者通过操作系统的包管理器安装。
4.2 源码安装
通过克隆 GitHub 仓库并运行安装脚本,可以从源码安装 Printrun。
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 StartedRust0191
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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01