GDNative Demos 使用指南
2024-09-01 23:35:30作者:贡沫苏Truman
1. 项目目录结构及介绍
本项目名为 GDNative Demos,位于 GitHub,是针对Godot引擎开发者的示例集合,旨在展示如何在Godot中使用GDNative技术进行插件式开发。GDNative允许开发者使用C++、Rust等语言编写游戏逻辑,并在Godot引擎中加载这些编译后的库。
主要目录结构:
- godot-headers: 子模块,包含了Godot API的头文件,用于GDNative开发。
- godot-cpp: 另一个子模块,提供了Godot C++绑定,简化了C++开发过程。
- demos: 核心演示区,根据不同编程语言分为多个子目录:
- csharp: C#语言的GDNative示例。
- cpp: C++语言的GDNative实现案例。
- gdscript, visual_script: 非GDNative示例,展示了原生Godot脚本和视觉脚本的使用。
每个语言目录下包含独立的项目,每个项目都有自己的.gdproj或相应的项目文件,可以直接在Godot引擎中打开。
2. 项目的启动文件介绍
- 对于GDNative项目,启动并非直接通过某个特定的“启动文件”,而是通过Godot引擎加载对应的GDNative库。
- 每个示例项目的GDNative动态链接库(例如,在C++示例中为
.dll,.so, 或.dylib,取决于操作系统)是核心的启动组件。这些库需先编译,然后在Godot项目中通过资源管理器或者代码中的初始化调用来加载。 - 示例中的
.gdproj文件则是Godot项目文件,包含了场景、资源以及对GDNative库的引用路径,启动时Godot会根据这个文件来加载场景和必要的GDNative模块。
3. 项目的配置文件介绍
.gitmodules: 管理子模块的文件,列出godot-headers和godot-cpp这两个依赖项及其对应的URL和路径。LICENSE.md: 许可证文件,表明整个项目遵循MIT许可协议。README.md: 项目的主要说明文档,包含如何克隆、初始化子模块、编译和运行示例的步骤。- 在每个示例项目的根目录下,可能会有特定的配置文件,如CMakeLists.txt用于构建系统配置,和一些
.gdns或.gdnlib文件,后者是GDNative特定的配置文件,用于指定GDNative库的位置、版本和其他元数据,这对于Godot识别并加载GDNative插件至关重要。
初始化与编译步骤简述:
- 克隆项目:使用Git克隆此仓库到本地。
- 初始化子模块:进入项目目录,执行
git submodule update --init --recursive以获取必要的依赖。 - 编译:根据你的开发环境,参考Godot和GDNative的文档来编译GDNative库。
- 导入Godot项目:在Godot编辑器中打开
.gdproj文件,确保GDNative库已正确配置并加载。
通过以上步骤,你可以开始探索和学习GDNative在Godot中的应用了。
登录后查看全文
热门项目推荐
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
157
178
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
242
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K