Unity AR Foundation环境下NatCorder-NativeGallery的部署与OpenJDK版本适配策略

Unity AR Foundation环境下NatCorder-NativeGallery的部署与OpenJDK版本适配策略

ARFoundation-NatCorder-NativeGallery部署

环境准备

这是一个Github上的一个示例项目(链接)。下载完成后推荐使用Unity 2021.3.45f2c1(链接下载)进入项目

然后根据安装以下选项:(Visual Studio主要是代码编辑器【可选】,但不推荐选,因为它默认安装在C盘,在AI时代采用Cursor作为代码编辑器就好了)

项目构建

该项目中已经预先配置了AR Foundation包。Unity 在打开项目时会根据项目的配置文件(如 Packages/manifest.json)自动识别并安装缺失的包,如图下所示:

【位置:Windows > Panckage Manager】

在Unity编辑器中,找到并点击这个来加载场景组件:

以安卓为例,在构建前需确保安卓的Play Settings正确:

【位置:file > Build Settings > Player Settings > Player > 安卓】

最后可以进行项目构建了,项目构建需要5~8分钟时间,构建完后会返回一个apk文件,上传到安卓手机安装即可。

【位置:file > Build Settings > Player > 安卓】

OpenJDK版本适配问题

采用Unity 2021.3.45f2c1编辑器下载的OpenJDK版本是1.8,但是在这个项目中JDK版本要求是11.0.14.1。因此在打包时直接报错:

根据提示:我们追踪到Edit > Preferences > External Tools

在安装JDK情况下,却显示missing了项目推荐JDK,取消勾选可发现项目中JDK版本要求是11.0.14.1:

解决方案:点击链接下载11.0.14.1。下载完后,

可以把JDK包放在.../Editor/2021.3.45f2c1/Editor/Data/PlaybackEngines/AndroidPlayer,

最后在Unity中把JDK路径换成.../Editor/2021.3.45f2c1/Editor/Data/PlaybackEngines/AndroidPlayer/OpenJDK11即可

如果想长期使用OpenJDK11,当然一劳永逸的方法:把上图中的目录OpenJDK更名为OpenJDK1.8,目录OpenJDK11更名为OpenJDK,重新勾选JDK Installed with Unity即可。

Read more

人工智能:自然语言处理在教育领域的应用与实战

人工智能:自然语言处理在教育领域的应用与实战

人工智能:自然语言处理在教育领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在教育领域的应用场景和重要性 💡 掌握教育领域NLP应用的核心技术(如智能问答、作业批改、个性化学习) 💡 学会使用前沿模型(如BERT、GPT-3)进行教育文本分析 💡 理解教育领域的特殊挑战(如多学科知识、学生认知差异、数据隐私) 💡 通过实战项目,开发一个智能问答系统应用 重点内容 * 教育领域NLP应用的主要场景 * 核心技术(智能问答、作业批改、个性化学习) * 前沿模型(BERT、GPT-3)在教育领域的使用 * 教育领域的特殊挑战 * 实战项目:智能问答系统应用开发 一、教育领域NLP应用的主要场景 1.1 智能问答 1.1.1 智能问答的基本概念 智能问答是通过自然语言与用户进行交互,回答用户问题的程序。在教育领域,智能问答的主要应用场景包括: * 课程问答:回答课程相关的问题(如“什么是机器学习”

AI时代人人都是产品经理:落地流程:AI 核心功能,从需求到上线的全流程管控方法

AI时代人人都是产品经理:落地流程:AI 核心功能,从需求到上线的全流程管控方法

AI的普及正在重构产品经理的工作模式——不再依赖传统的跨部门协作瓶颈,AI可以成为产品经理的"全职助手",覆盖需求分析、原型设计、开发协同、测试验证全流程。本文将拆解AI时代产品核心功能从0到1落地的完整管控方法,让你用AI能力提升300%的落地效率。 一、需求阶段:AI辅助的需求挖掘与标准化 需求是产品的起点,AI可以帮你从海量信息中精准定位用户真实需求,避免"伪需求"浪费资源。 1. 需求挖掘:AI辅助用户洞察 传统需求调研依赖问卷、访谈,效率低且样本有限。AI可以通过以下方式快速完成用户洞察: * 结构化处理非结构化数据:用AI分析用户在社交媒体、客服对话、应用评论中的碎片化反馈,自动提炼高频需求点 * 需求优先级排序:基于KANO模型,AI可以自动将需求划分为基础型、期望型、兴奋型、无差异型四类,输出优先级列表 实战工具与示例: 使用GPT-4+Python脚本批量处理应用商店评论: import openai import pandas as

Flutter 三方库 algolia_client_recommend 的鸿蒙化适配指南 - 打造 AI 驱动的个性化推荐引擎、助力鸿蒙端电商与内容应用转化率倍增

Flutter 三方库 algolia_client_recommend 的鸿蒙化适配指南 - 打造 AI 驱动的个性化推荐引擎、助力鸿蒙端电商与内容应用转化率倍增

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 algolia_client_recommend 的鸿蒙化适配指南 - 打造 AI 驱动的个性化推荐引擎、助力鸿蒙端电商与内容应用转化率倍增 前言 在 OpenHarmony 鸿蒙应用全场景连接的商业版图中,“信息找人”已成为提升流量价值的核心逻辑。无论是电商应用的“经常一起购买”,还是内容平台的“相关推荐”,高质量的个性化算法能显著降低用户的决策成本。algolia_client_recommend 作为一个连接 Algolia 顶尖 AI 推荐服务的专业客户端,为开发者提供了一套开箱即用的推荐逻辑封装。本文将详述如何在鸿蒙端利用此库构建“读懂用户”的智能化交互。 一、原原理分析 / 概念介绍 1.1 基础原理 algolia_client_recommend 的核心逻辑是 基于意图建模的异步推荐查询与联合过滤机制

Plottable高级图表制作:从散点图到堆叠面积图的10种实现方法

Plottable高级图表制作:从散点图到堆叠面积图的10种实现方法 【免费下载链接】plottable:bar_chart: A library of modular chart components built on D3 项目地址: https://gitcode.com/gh_mirrors/pl/plottable Plottable是一个基于D3.js构建的模块化图表组件库,为开发者提供了创建灵活、定制化图表的强大工具。这个开源项目专注于"组合优于配置"的理念,让你能够像搭积木一样构建复杂的图表系统。通过Plottable的高级图表制作功能,你可以轻松实现从基础散点图到复杂堆叠面积图的各种数据可视化需求。😊 为什么选择Plottable进行高级图表制作? Plottable不是一个传统的图表库,而是一个图表组件库。这意味着你拥有前所未有的灵活性来创建自定义图表。与直接使用D3相比,Plottable提供了更高层次的抽象,让图表制作变得更加简单快捷;与传统图表库相比,它又提供了无与伦比的定制能力。 核心关键词:Plottable图表制作、D3图表组件、高级数据可