OpenGL(预备篇3)---OpenGL编程环境配置 vs2017篇---GLM---(自己动手系列)

最新推荐文章于 2024-08-19 22:51:51 发布
最新推荐文章于 2024-08-19 22:51:51 发布
阅读量3.3k 收藏 4
点赞数 2
分类专栏： OpenGL 文章标签： GLM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ARTELE/article/details/83858444
版权

什么是GLM，有什么用？

OpenGL Mathematics (GLM)。

看样子这是一个OpenGL的数学库。在OpenGL编程中用处很大，可以下载来用用。

幸运的是，这个不用编译，下载后解压了就直接能用。 https://glm.g-truc.net/0.9.9/index.html

解压后打开里面的文件你会看到 一个glm文件夹。把这个glm直接放到我们之前的include里就好了。省心吧。

 至此目前需要的文件都准备好了，下一篇我们准备配置所需要的环境。

有问题可以直接留言或者群:417801511交流

ARTELE
关注
专栏目录
【C++】OpenGL：计算机图形学OpenGL基础及环境配置
DevFrank的博客
10-08 4003
计算机图形学OpenGL基础及环境配置
GLM-4本地部署的实战教程
热门推荐
herosunly的博客
06-05 11万+
本文主要介绍了GLM-4-9B本地部署的实战教程，希望对学习和使用大模型的同学们有所帮助。 文章目录 1. 前言 2. 配置环境 2.1 安装虚拟环境 2.2 安装依赖库 2.3 下载模型文件 3. 运行glm-4-9b-chat
OpenGL编程环境配置
feifeifanye
11-21 724
这学期的计算机图形学课，老师要我们交一份用OpenGL
【学习OpenGL小记之一】 OpenGL开发环境配置
Qingyang8513的专栏
05-07 1746
一、开发环境 1、操作系统：Windows 7（64位） 2、编程环境：Microsoft Visual Studio 2010 二、环境配置 1、下载OpenGL库，这里可以自己从其他网站搜索，或者使用下面的链接下载亦可，此处使用的即为下面链接提供的库；   http://download.csdn.net/detail/qingyang8513/8613957
小白学大模型：GLM 调用教程
最新发布
机器学习社区
08-19 1045
最近这一两周看到不少互联网公司都已经开始秋招提前批面试了。不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。
vs2017 openGL的环境配置
czhzasui的博客
03-29 995
转自https://blog.csdn.net/qq_19003345/article/details/76098781OpenGL的环境配置了好几次都没有成功。今天，终于试好了，于是分享出来，让其他人能少走弯路。OpenGL 已经发展到可编程管线了，下面我就来说说 新版OpenGL 和旧版本的OpenGL 组装的办法！【旧版本 固定管线 也是资料最多的OpenGL】我的工具是VS20171.方法...
Opengl配置所需文件（GLFW,GLAD,GLM），环境是VS2017和WIN10,32位的文件
12-24
Opengl所需的头文件和库文件，以及glad的源文件，计算机图形学所用的Opengl的3.3版本，按照LearnOpengl的教程所配置。
GLM-130B本地部署的实战方案
herosunly的博客
07-04 7万+
本文主要介绍GLM-130B本地部署的实战方案，希望对学习大语言模型的同学们有所帮助。需要说明的是GLM-130B是未进行微调的版本，还无法达到ChatGLM-130B的效果。 文章目录 1. 介绍 2. 配置环境 2.1 安装虚拟环境 2.2 安装依赖库 3. 运行GLM-130B模型
glm4-9b-pytorch多轮对话算法模型.zip
07-09
GLM-4-9B是智谱AI推出的最新一代预训练模型GLM-4系列中的开源版本，在语义、数学、推理、代码和知识等多方面的数据集测评中，GLM-4-9B及其人类偏好对齐的版本GLM-4-9B-Chat均表现出超越Llama-3-8B的卓越性能。...
glm-0.9.9.7.zip
11-09
GLM，全称OpenGL Mathematics，是一个为C++编程语言设计的数学和向量矩阵库，它提供了与OpenGL相配套的数学函数，以支持3D图形编程。GLM库的目标是成为OpenGL开发中的标准数学库，它模仿了OpenGL的命名约定和工作...
OpenGL-Renderer：用C ++ 17编写的现代OpenGL渲染器
02-04
3. **计算机图形学**：OpenGL-Renderer的核心是计算机图形学原理，包括几何变换、光照模型、纹理映射、着色器编程等。理解这些概念对于编写渲染器至关重要。 4. **Assimp库**：Assimp是一个开源的3D模型导入库，...
VS2017OpenGL配置所需文件.rar
05-19
OpenGL库大全（VS2017），含AntTeakBar,Freeglut,glfe,glut,glad,soil,glm等
OpenGL GLM库
04-19
GML为OpenGL量身定做的数学库， 一个只有头文件的库，只需包含对应的头文件即可使用。
OpenGL glm库
07-16
OpenGL Mathematics (GLM) 是基于OpenGL着色语言（GLSL）规范的图形软件的头文件C ++数学库
oepngl第九版源码加环境配置 vs2017
03-04
oepngl第九版源码加环境配置 vs2017，里面包含用cmake生成VS2017解决方案的文件，用Cmake生成之后，直接打卡sln文件编译之后，缺什么补什么，里面有源码例子，刚开始运行不了但是能编译成功，比如keypress那个，右键这个项目到属性，查看里面的外部依赖头文件 库文件，需要什么lib文件 也要看一下 都复制过去，就哦了，很多都是自己琢磨的，我也是乱配，成功的运行了第一个例子
GLM库，适用于openGL的控制库
07-14
因为glm库实现都写在头文件中，不需要编译成库，项目中直接引用头文件目录即可。使用VS添加至VC++目录即可使用。
基于Visual Studio 2017的opengl安装
Doggerlas的博客
05-18 7741
由于要自学计算机图形学，今天自己安装了opengl作为本次学习的第一步。网络上的安装教程个人觉得写的不详细，有很多问题都没有写到，所以自己写一篇教程。本次安装参考书籍为《计算机图形学编程（使用OpenGL和C++）》，个人认为比较适合初学者用来自学。有兴趣的同学可以参阅下。.....................
有趣又好玩的glm库
weixin_33681778的博客
08-02 402
一、glm的优点glm是一个发展了十年以上的数学库，这个库很不错。很多教材，书籍，资料大量使用glm，了解glm有助于阅读这些资料。1.模仿glsl的接口这个实在是非常方便理解和记忆，你不需要在c++和glsl中使用两套完全不同的接口2.大量采用模板代码复用率非常高，而且结构可以说是模板类库的典范3.数学化的，和大脑导向的思维方式和其他数学库不同，glm的代码偏向数学理论的使用，有很多地方是以直观...
openGL编程-环境配置(glfw;glew;glm相关 )
github_37020016的博客
12-13 4797
踩坑预警： 发现一个很不错的OpenGL教程，可惜源码跑不起来，原教程也没有相关环境配置(主要是glfw,glew,glm这三个库的使用)的说明，所以尝试去搜一下如何在vs 2013中使用这三个库搭配教程的食用。 OpenGL教程 引用博主zdd的说法： 使用一个库包含三个步骤： 1.包含所需头文件 2.链接库文件 3.提供运行时的dll文件 原博文 所以为了使用以上三个库，就需
linux系统部署chat-glm-6b-int4
05-23
首先，你需要下载 Chat-GLM-6B-Int4 模型文件和相应的配置文件。然后，你需要在你的 Linux 系统上安装 PyTorch 和 Transformers 库。你可以使用以下命令安装这两个库： ``` pip install torch pip install transformers ``` 接下来，你需要编写一个 Python 脚本来部署 Chat-GLM-6B-Int4 模型。你可以使用以下代码作为脚本的基础： ```python import torch from transformers import GPT2Tokenizer, GPT2LMHeadModel # 加载模型和分词器 tokenizer = GPT2Tokenizer.from_pretrained('chat-glm-6b-int4/config') model = GPT2LMHeadModel.from_pretrained('chat-glm-6b-int4/model') # 指定设备 device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) # 对话循环 while True: # 获取用户输入 user_input = input("You: ") # 把用户输入转换成模型的输入格式 input_ids = tokenizer.encode(user_input, return_tensors='pt').to(device) # 在模型上生成回复 output = model.generate(input_ids, max_length=1000, do_sample=True, temperature=0.7) response = tokenizer.decode(output[0], skip_special_tokens=True) # 输出回复 print("Chat-GLM-6B-Int4: " + response) ``` 在这个脚本中，我们首先加载 Chat-GLM-6B-Int4 模型和相应的分词器。然后，我们检查可用的设备并将模型移动到相应的设备上。最后，我们开始一个对话循环，其中用户输入被转换为模型的输入格式，并在模型上生成回复。回复被解码并输出给用户。 注意，这个脚本只是一个基础示例，你需要根据你的具体需求进行修改。例如，你可能需要添加一个 Web 接口来允许用户通过浏览器与 Chat-GLM-6B-Int4 进行交互。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值