MAME 源码编译与使用指南
2024-08-10 09:35:06作者:宣聪麟
1. 项目目录结构及介绍
在 https://github.com/mamedev/mame.git 中,MAME 的源代码组织如下:
.
├── docs # 文档文件夹,包含了各种帮助文档
├── include # 头文件夹,包含了所有必要的头文件
├── src # 源代码文件夹,核心实现代码位于此处
│ ├── audio # 声音系统的源代码
│ ├── drivers # 各种硬件驱动代码
│ ├── machine # 硬件模拟的核心代码
│ ├── roms # 游戏ROM管理相关代码
│ └── ... # 其他子目录,如视频、输入等
├── scripts # 脚本文件,用于构建和其他自动化任务
└── tools # 辅助工具和脚本
2. 项目的启动文件介绍
MAME 的主要启动文件是 src\mame.cpp。这个文件中包含了 main() 函数,它是程序执行的起点。当编译完成后,该文件将被链接到可执行文件中,用户可以通过运行该可执行文件来启动MAME。
除了主程序,还有一些命令行参数可以用来控制MAME的行为,例如指定要运行的游戏ROM,调整分辨率和声音设置等。
3. 项目的配置文件介绍
MAME 使用一个名为 .mamerc 的配置文件来存储用户的自定义设置。默认情况下,此文件位于用户的主目录(例如在Unix系统上是 $HOME/.mamerc,在Windows上是 %USERPROFILE%\.mamerc)。配置文件采用文本格式,包含了各种选项,如屏幕大小、显示模式、控制设备映射等。
配置文件的一些示例条目包括:
[global]
windowed=true
fullresolution=1920x1080
sound=false
[joystick]
type=analog
joystick0=gamepad0
在这个例子中,[global] 部分设置了全局选项,使MAME以窗口模式运行,在1080p分辨率下,且不播放声音。[joystick] 部分定义了游戏手柄的设置,这里将第一个游戏手柄映射到 joystick0。
请注意,实际的 .mamerc 文件可能会包含更多复杂的配置选项,具体取决于MAME版本和你的需求。
为了编译并运行MAME,请确保遵循其GitHub仓库中的编译指示,通常涉及安装依赖库、配置构建环境,并使用 make 或其他构建工具进行编译。完成编译后,运行编译出的二进制文件即可启动MAME。如果需要进一步的帮助或遇到问题,建议查阅MAME的官方文档和社区论坛。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0241- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
electerm开源终端/ssh/telnet/serialport/RDP/VNC/Spice/sftp/ftp客户端(linux, mac, win)JavaScript00
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
634
4.16 K
Ascend Extension for PyTorch
Python
472
570
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++
931
838
🎉 (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
1.51 K
863
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
385
268
暂无简介
Dart
880
211
昇腾LLM分布式训练框架
Python
138
162
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
188
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
327
383