Blish HUD 开源项目安装与使用指南

最新推荐文章于 2024-09-07 10:19:14 发布
最新推荐文章于 2024-09-07 10:19:14 发布
阅读量182 收藏 1
点赞数 1
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/gitblog_00014/article/details/141991151
版权

Blish HUD 开源项目安装与使用指南

Blish-HUDA Guild Wars 2 overlay with extreme extensibility through compiled modules.项目地址:https://gitcode.com/gh_mirrors/bl/Blish-HUD

一、项目目录结构及介绍

Blish HUD 是一个专为《Guild Wars 2》设计的高度可扩展的游戏叠加插件，它通过编译后的模块实现了极强的灵活性。以下是其主要的目录结构及各部分简介：

  • Blish HUD: 核心项目文件夹，包含了项目的主体代码。

    • Resources: 存放资源文件，如图片、字体等。
    • editorconfig, gitattributes, gitignore, gitmodules: 版本控制相关配置文件。
    • sln, .DotSettings: Visual Studio相关的解决方案文件和设置。
    • LICENSE, README.md: 许可证文件和项目介绍文档。
    • GitVersion.yml, LICENSE: 版本管理配置和许可证文件。
    • src: 源码目录，进一步分为各个模块或组件。

  • idea/, thirdparty/: 分别存放IDE配置和第三方库或依赖。

  • docs, web: 可能包含文档和网站相关素材，尽管在提供的引用中没有详细列出这些目录的具体路径和内容。

二、项目启动文件介绍

在Blish HUD这样的开源项目中，启动文件通常位于特定的入口点。虽然具体路径未在引用中明确指出，但基于常规的.NET项目结构，启动文件很可能是.csproj项目文件之一，特别是在src目录下的某个位置，或者是具有主程序入口（Program.cs）的类库。运行该应用通常需要通过Visual Studio或者dotnet CLI命令来构建并启动指定的可执行文件，例如使用dotnet run命令，但是确切的命令和文件名需查看项目的具体说明或.csproj文件内的配置。

三、项目的配置文件介绍

Blish HUD的配置文件可能包括多种类型，用于控制插件行为、界面布局或其他高级功能。虽然具体配置文件的位置和命名未直接给出，但基于同类项目的常见做法，可能会有以下几个方面：

  • AppSettings: 在.NET项目中常见，用于存储应用程序级别的配置数据。
  • Config.xml 或 settings.json: 很多开源游戏插件倾向于使用XML或JSON格式的配置文件，以提供灵活的自定义选项。
  • Game-Specific Config: 针对《Guild Wars 2》特定的游戏集成设置。

为了找到确切的配置文件及其用途，开发者应查阅项目的根目录下或src目录内是否有上述类型的文件，或者在README.md和其他文档中查找关于配置的说明。配置文件通常包含API密钥、显示偏好、模块启用状态等关键设置，并且可以通过编辑这些文件来定制Blish HUD的行为。

请注意，由于直接提供的代码仓库内容未展示所有细节，以上信息是基于一般开源项目结构和.NET开发实践所做的合理推测。实际操作时，务必参考最新的项目文档和仓库中的实际文件结构。

Blish-HUDA Guild Wars 2 overlay with extreme extensibility through compiled modules.项目地址:https://gitcode.com/gh_mirrors/bl/Blish-HUD

蓬玮剑
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
tensorflow学习：使用tensorflow实现word embedding
qoopqpqp的博客
07-24 6758
今天学习使用tensorflow实现word embedding，下面的例子来自于tensorflow的官方文档，实现word embedding本身是比较复杂的，下文只用比较简单的方法实现，限于本人刚入门，水平有限，有些细节还没有彻底搞明白，还需要再花些时间研究，现把今天的研究成果记下供日后继续完善。 文本参考：https://liusida.github.io/2016/11/14/stud
django mysql 编码_django 项目中mysql 的编码，数据库迁移问题
weixin_36063465的博客
01-26 304
以管理员的身份进入cmdnet start mysqlmysql -u root -p没有密码直接回车，进入mysql可以创建数据库，如退出mysql 执行 \q：命令创建数据库 记得指定编码 create database orm_1128 character setutf8; orm_1128是数据库名字修改数据库的字符集mysql>use mydbmysql>alte...
Blish HUD 开源项目教程
gitblog_00233的博客
09-07 188
Blish HUD 开源项目教程 Blish-HUDA Guild Wars 2 overlay with extreme extensibility through compiled modules.项目地址:https://gitcode.com/gh_mirrors/bl/Blish-HUD 1. 项目介绍 Blish HUD 是一个为 Guild Wars 2（激战2）游戏设计的开源覆盖...
探秘Blish HUD：全面提升你的游戏体验
最新发布
gitblog_00152的博客
09-07 233
探秘Blish HUD：全面提升你的游戏体验 Blish-HUDA Guild Wars 2 overlay with extreme extensibility through compiled modules.项目地址:https://gitcode.com/gh_mirrors/bl/Blish-HUD 在追求极致游戏控制和信息可视化的今天，一款优秀的游戏界面插件可以成为玩家手中的神兵利器...
hud插件的使用
liudavi的博客
12-21 985
把所有的脚本都加载ui组件上。链接在此。 http://www.cnblogs.com/wonderKK/p/3983542.html
GW2 LaunchBuddy 使用指南
gitblog_00930的博客
09-07 225
GW2 LaunchBuddy 使用指南 Gw2_LaunchbuddyCustom launcher generator for the video game Guild Wars 2.项目地址:https://gitcode.com/gh_mirrors/gw/Gw2_Launchbuddy 1. 项目介绍 GW2 LaunchBuddy 是一个专为视频游戏《Guild Wars 2》(简称...
TmfLib:一个专门用于读写Blish HUD TacO格式标记包的库
03-27
通过TmfLib，开发者可以轻松地在C#项目中实现对Blish HUD TacO标记包的处理，无论是为了游戏mod开发、数据分析还是其他用途，都能大大提升效率。使用该库，开发者无需关心底层的二进制格式细节，而是专注于更高层次...
布利什「Blish」-crx插件
03-09
~~ XML-RPC安装（WP 3.4及以下）~~ 为了使这个扩展工作，您的Wordpress网站必须启用远程发布权限（http://codex.wordpress.org/XML-RPC_Support）。在使用这个Share on WP扩展名之前，请先做好设置。 支持语言:...
Blish-crx插件
04-01
使用Blish，您只需单击两次即可添加内容。 无需繁琐地一一复制和粘贴文章标题，段落和图片，只需单击工具栏上的W +图标即可。 然后，查看您的内容，然后单击“发布”。 而已。 仅几秒钟，您的帖子就会立即发布！ -...
基于springboot大学生智能消费记账系统的设计与实现.docx
09-06
基于springboot大学生智能消费记账系统的设计与实现.docx
基于Mnist数据集生成用于(多)目标检测的小型数据集.zip
09-06
1 目标检测的定义 目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务，目标定位和目标分类。首先检测图像中目标的位置（目标定位），然后给出每个目标的具体类别（目标分类）。输出结果是一个边界框（称为Bounding-box，一般形式为(x1,y1,x2,y2)，表示框的左上角坐标和右下角坐标），一个置信度分数（Confidence Score），表示边界框中是否包含检测对象的概率和各个类别的概率（首先得到类别概率，经过Softmax可得到类别标签）。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类：Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段，主要用于生成潜在的目标候选框（Bounding-box proposals）。这个阶段通常使用卷积神经网络（CNN）从输入图像中提取特征，然后通过一些技巧（如选择性搜索）来生成候选框。第二个阶段是分类和位置精修阶段，将第一个阶段生成的候选框输入到另一个 CNN 中进行分类，并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高，缺点是速度相对较慢。 常见Tow stage目标检测算法有：R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值，并利用这些特征值进行目标的分类和定位，不需要生成Region Proposal。这种方法的优点是速度快，因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低，因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有：YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框，对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制，作用是从众多预测边界框中挑选出最具代表性的结果，这样可以加快算法效率，其主要流程如下： 设定一个置信度分数阈值，将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序，选中值最大的框 遍历其余的框，如果和当前框的重叠面积(IOU)大于设定的阈值（一般为0.7），就将框删除（超过设定阈值，认为两个框的里面的物体属于同一个类别） 从未处理的框中继续选一个置信度分数最大的，重复上述过程，直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度，当预测边界框和真实边界框差异很小时，或重叠度很大时，表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度，是评估目标检测模型效果的最重要指标，这个值介于0到1之间，且越大越好。mAP是AP(Average Precision)的平均值，那么首先需要了解AP的概念。想要了解AP的概念，还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值（Confidence Threshold）和IoU阈值（一般设置为0.5，也会衡量0.75以及0.9的mAP值）： 当一个预测边界框被认为是True Positive（TP）时，需要同时满足下面三个条件： Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3，则认为是False Positive（FP）。当对应同一个真值有多个预测结果时，只有最高置信度分数的预测结果被认为是True Positive，其余被认为是False Positive。 Precision和Recall的概念如下图所示： Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值，可以获得多组Precision和Recall，Recall放X轴，Precision放Y轴，可以画出一个Precision-Recall曲线，简称P-R
8051Proteus仿真c源码步进电机C版本
09-06
8051Proteus仿真c源码步进电机C版本提取方式是百度网盘分享地址
国内人气最高的Java人工智能算法框架 它可以Maven一键丝滑引入我们的Java项目，无需任何额外的环境配置与依赖，做到开箱即
09-06
国内人气最高的Java人工智能算法框架(java版pytorch)。它可以Maven一键丝滑引入我们的Java项目，无需任何额外的环境配置与依赖，做到开箱即用。再者，它既有一些我们已经封装好的图像目标检测及人工智能客服的模块，也提供各种深度学习，机器学习，强化学习，启发式学习，矩阵运算，求导函数，求偏导函数等底层算法工具。
QGraphicsView+QGraphicsScene+Item,实现加载背景图片（放大、缩小，右键移动）绘制线、矩形、多边形
09-06
继承QGraphicsItem，实现加载背景图，可鼠标滚轮放大、缩小、右键拖动； 创建CustomItemBase，实现绘制图像的父类+工厂模式， 实现绘制标记点、矩形、线、多边形、曲线，并且可对图像进行单击选中，移动、删除； 矩形、线、多边形，还可以进行选中，拖拽大小。
数字电子技术实验报告+
09-06
数字电子技术实验报告+
多层感知机的从零开始实现与pytorch简洁实现（pycharm版）
09-06
可以在pycharm直接运行的两个py文件：一个是从零实现，另一个是简洁实现。
java某百货店POS积分管理系统-积分点更新生成以及通票回收处理(源代码+lw).zip
09-06
java某百货店POS积分管理系统_积分点更新生成以及通票回收处理,包含全量功能源码，及相关文档说明，供大家学习使用！
基于改进YOLOv7算法的车辆目标检测系统。.zip
09-06
1 目标检测的定义 目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务，目标定位和目标分类。首先检测图像中目标的位置（目标定位），然后给出每个目标的具体类别（目标分类）。输出结果是一个边界框（称为Bounding-box，一般形式为(x1,y1,x2,y2)，表示框的左上角坐标和右下角坐标），一个置信度分数（Confidence Score），表示边界框中是否包含检测对象的概率和各个类别的概率（首先得到类别概率，经过Softmax可得到类别标签）。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类：Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段，主要用于生成潜在的目标候选框（Bounding-box proposals）。这个阶段通常使用卷积神经网络（CNN）从输入图像中提取特征，然后通过一些技巧（如选择性搜索）来生成候选框。第二个阶段是分类和位置精修阶段，将第一个阶段生成的候选框输入到另一个 CNN 中进行分类，并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高，缺点是速度相对较慢。 常见Tow stage目标检测算法有：R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值，并利用这些特征值进行目标的分类和定位，不需要生成Region Proposal。这种方法的优点是速度快，因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低，因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有：YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框，对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制，作用是从众多预测边界框中挑选出最具代表性的结果，这样可以加快算法效率，其主要流程如下： 设定一个置信度分数阈值，将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序，选中值最大的框 遍历其余的框，如果和当前框的重叠面积(IOU)大于设定的阈值（一般为0.7），就将框删除（超过设定阈值，认为两个框的里面的物体属于同一个类别） 从未处理的框中继续选一个置信度分数最大的，重复上述过程，直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度，当预测边界框和真实边界框差异很小时，或重叠度很大时，表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度，是评估目标检测模型效果的最重要指标，这个值介于0到1之间，且越大越好。mAP是AP(Average Precision)的平均值，那么首先需要了解AP的概念。想要了解AP的概念，还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值（Confidence Threshold）和IoU阈值（一般设置为0.5，也会衡量0.75以及0.9的mAP值）： 当一个预测边界框被认为是True Positive（TP）时，需要同时满足下面三个条件： Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3，则认为是False Positive（FP）。当对应同一个真值有多个预测结果时，只有最高置信度分数的预测结果被认为是True Positive，其余被认为是False Positive。 Precision和Recall的概念如下图所示： Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值，可以获得多组Precision和Recall，Recall放X轴，Precision放Y轴，可以画出一个Precision-Recall曲线，简称P-R
urllib3.exceptions.MaxRetryError: HTTPConnectionPool(host='localhost', port=8097): Max retries exceeded with url: /env/main (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x000002848F7923D0>: Failed to esta blish a new connection: [WinError 10061] 由于目标计算机积极拒绝，无法连接。'))
06-10
这个错误通常意味着您的程序无法连接到指定的 URL。具体地说，在本例中，您的程序似乎正在尝试连接到本地计算机上的端口 8097，但连接失败了。这可能是因为该端口未打开或被防火墙阻止了。 要解决这个问题，您可以尝试以下几个步骤： 1. 确保您的程序正在连接正确的 URL，并且该 URL 正确地指向您希望连接的计算机和端口。 2. 如果您的程序正在尝试连接到远程计算机，请检查您的网络设置，确保您的计算机可以访问该计算机。 3. 如果您的程序正在尝试连接到本地计算机，请检查该端口是否已打开。您可以尝试使用 telnet 命令（例如：`telnet localhost 8097`）来测试该端口是否可用。 4. 如果您的程序正在尝试连接到本地计算机并且您的操作系统正在运行防火墙，请确保防火墙允许您的程序连接到该端口。 如果您已经尝试了上述步骤但仍然无法解决问题，请考虑查看程序的详细日志，以便进一步了解错误的原因。
评论
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

打赏作者

蓬玮剑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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