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。
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