RSRuby 技术文档
1. 安装指南
RSRuby 是一个为 Ruby 开发者提供的桥接库,使得 Ruby 开发者能够访问完整的 R 统计编程环境。在开始安装之前,请确保您的系统中已经安装了 R,并且 R 是通过带有 --enable-R-shlib 选项编译的,以提供 RSRuby 所需的 R 共享库。
以下是安装 RSRuby 的步骤:
-
确保
R_HOME环境变量设置正确。例如:- 在 Ubuntu Linux 上:
R_HOME=/usr/lib/R - 在 OS X 上:
R_HOME=/Library/Frameworks/R.framework/Resources
- 在 Ubuntu Linux 上:
-
使用 setup.rb 安装包:
ruby setup.rb config -- --with-R-dir=$R_HOME ruby setup.rb setup ruby setup.rb install -
或者,使用 gem 安装方式:
gem install rsruby -- --with-R-dir=$R_HOME
如果 RSRuby 编译失败,可能需要配置 R 库的路径。以下任何一种方式都可能有效:
-
在
.bashrc(或等效文件)中添加以下行:export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:RHOME/bin -
或者,在
/usr/local/lib或/usr/lib中创建一个到RHOME/bin/libR.so的链接,然后运行ldconfig。 -
或者,编辑
/etc/ld.so.conf文件,添加以下行,然后运行ldconfig:RHOME/bin
2. 项目的使用说明
RSRuby 使用 Singleton 设计模式,这意味着我们应该使用 instance 方法而不是 new 方法来创建 RSRuby 实例。以下是一个简单的使用示例:
# 初始化 R
require 'rsruby'
# 获取 RSRuby 实例
r = RSRuby.instance
# 调用 R 函数
data = r.rnorm(100)
r.plot(data)
sleep(2)
# 使用命名参数调用
r.plot({'x' => data, 'y' => data, 'xlab' => 'test', 'ylab' => 'test'})
sleep(2)
RSRuby 还提供了其他功能和类,如 Arrayfields、Bioconductor 库、DataFrame 类和 ERObj 类的使用示例。您可以通过查看项目分发中的示例脚本来获取更多信息。
3. 项目 API 使用文档
RSRuby 的 API 使用文档主要包含在它的手册中,该手册提供了关于调用 R 函数和转换系统的详细信息。此外,项目还提供了示例脚本来展示如何使用不同的 RSRuby 功能。
4. 项目安装方式
RSRuby 的安装方式有两种:使用 setup.rb 安装包和使用 gem 安装。以下是详细步骤:
使用 setup.rb
-
运行配置脚本:
ruby setup.rb config -- --with-R-dir=$R_HOME -
运行设置脚本:
ruby setup.rb setup -
运行安装脚本:
ruby setup.rb install
使用 gem
- 运行 gem 安装命令:
gem install rsruby -- --with-R-dir=$R_HOME
确保在安装过程中正确设置了 R_HOME 环境变量,以便 RSRuby 能够找到 R 的共享库。
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