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- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue07- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
394
472
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++
899
697
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
358
219
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
🎉 (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
1.39 K
785
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
811
199
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
533
236
React Native鸿蒙化仓库
JavaScript
312
364