1.python游戏引擎有哪些
2.Panda LLM介绍
3.panda库常用功能

python游戏引擎有哪些

       在国内外，业界广泛认可的十大开源游戏引擎包括OGRE、Irrlicht、Panda3D、CrystalSpace、jME、qt5开发实战源码BlenderGameEngine、RealityFactory、TheNebulaDevice2、RealmForge、OpenSceneGraph。这些引擎各有特点，适用于不同的开发需求。

       OGRE是一款面向对象图形渲染引擎，采用C++开发，支持Windows、Linux、Mac操作系统，其主要特征包括面向对象，插件扩展架构，支持脚本，物理碰撞检测，顶点灯光、像素灯光、灯光映射，阴影映射、三维阴影，多纹理、凹凸贴图、多重材质贴图、立体投影，顶点、像素、高级着色，场景管理，逆向运动动画、骨架动画、变形动画、混合动画及姿态动画，网格加载、皮肤、渐进网格，环境映射、镜头眩光、公告牌、粒子、运动模糊、天空、水、雾、丝带轨迹、透明对象，支持XML文件转换。其稳定性好，支持全面，但不容易上手和使用。

       Irrlicht同样采用C++开发，ctf靶场源码支持Windows、Linux、Mac、Solaris、FreeBSD、Xbox操作系统，主要特征包括面向对象，插件扩展架构，支持物理碰撞检测，顶点灯光、像素灯光、灯光映射，阴影映射、三维阴影、模板缓冲区阴影，多纹理、凹凸贴图、多重材质贴图、立体投影，顶点、像素、高级着色，场景管理，支持骨架动画、变形动画及混合动画，网格加载，环境映射、公告牌、粒子、天空、水、雾，地形渲染。其稳定性好，支持全面，容易上手和使用。

       Panda3D使用C++和Python开发，支持Windows、Linux、Mac、SunOS操作系统，是一个完整的游戏引擎，主要特征包括面向对象，脚本扩展架构，支持物理碰撞检测，顶点灯光、像素灯光、灯光映射，阴影映射、三维阴影、模板缓冲区阴影，多纹理、凹凸贴图、多重材质贴图、立体投影，顶点、linux源码分析书像素、高级着色，场景管理，支持骨架动画，网格加载及皮肤，环境映射、公告牌、粒子、雾、火，地形渲染，支持“客户端/服务器”网络模式，2D、3D和流音效，有限状态机、人工智能。其稳定性很好，支持很全面，很容易上手和使用。

       CrystalSpace使用C++开发，支持Windows、Linux、Mac操作系统，是一个完整的游戏引擎，主要特征包括面向对象，组件扩展架构，支持物理碰撞检测，顶点灯光、灯光映射，阴影映射、三维阴影，多纹理、多重材质贴图，顶点、像素着色，场景管理，支持骨架动画、帧动画、变形动画，网格加载、渐进网格，环境映射、镜头眩光、公告牌、粒子、天空、镜像，地形渲染，2D、3D音效，游戏世界管理，通过有限状态机、行为树、神经网络、遗传算法支持人工智能。其特性很全面，短链接赚钱源码稳定性好，支持很全面，不容易上手和使用。

       jME是jMonkeyEngine的缩写，使用Java开发，支持Windows、Linux、Mac操作系统，主要特征包括面向对象，插件扩展架构，支持物理碰撞检测，顶点灯光、灯光映射，三维阴影，多纹理、多重材质贴图，顶点、像素、高级着色，场景管理，支持骨架动画、帧动画，网格加载及皮肤，环境映射、镜头眩光、公告牌、粒子、天空、水、火、爆炸、雾，地形渲染，3D音效。其特性全面，稳定性好，支持很全面，容易上手和使用。

       Blender游戏引擎采用C++和Python开发，支持Windows、Linux、Mac、Solaris、FreeBSD、Irix操作系统，主要特征包括面向对象，插件及脚本扩展架构，支持物理碰撞检测，顶点灯光、像素灯光，阴影映射，多纹理、凹凸贴图，顶点、像素着色，场景管理，溯源码燕窝报告支持逆向运动动画、帧动画，网格加载及皮肤，环境映射、粒子、天空、水、雾，地形渲染，“客户端/服务器”网络模式，2D及3D音效，通过脚本方式支持人工智能。其特性基本全面，稳定性基本不错，支持全面，不容易上手和使用。

       RealityFactory使用C++开发，支持Windows操作系统，自称游戏无需编程，主要特征包括面向对象，脚本扩展架构，支持物理碰撞检测，顶点灯光、像素灯光、辐射灯光、三维灯光，阴影映射，多纹理、凹凸贴图、多重材质贴图、投影，顶点、像素着色，场景管理，支持骨架动画、帧动画及混合动画，网格加载及皮肤，环境映射、公告牌、粒子、天空、水、火、爆炸、雾、贴花、天气、镜像，地形渲染，“客户端/服务器”网络模式，3D及流音效，通过路径查找、决策及脚本方式支持人工智能。其特性基本全面，稳定性基本不错，支持基本全面，容易上手和使用。

       TheNebulaDevice2使用C++开发，支持Windows、Linux操作系统，主要特征包括面向对象，插件及脚本扩展架构，支持物理碰撞检测，顶点灯光、像素灯光、光泽映射，阴影映射，多纹理、凹凸贴图、多重材质贴图、投影，顶点、像素、高级着色，场景管理，支持骨架动画、帧动画、变形动画及混合动画，网格加载及皮肤，环境映射、镜头眩光、公告牌、粒子、天空，地形渲染，“客户端/服务器”、P2P网络模式，2D、3D及流音效，通过脚本方式支持人工智能。其特性全面，稳定性好，支持基本全面，不容易上手和使用。

       RealmForge基于OGRE开发，使用C#，支持Windows、Linux、Mac、Solaris、HP/UX、FreeBSD操作系统，主要特征包括面向对象，插件及脚本扩展架构，支持物理碰撞检测，顶点灯光、像素灯光、灯光映射，阴影映射、投影面、立体投影，多纹理、凹凸贴图、多重材质贴图、投影，顶点、像素、高级着色，场景管理，支持骨架动画、帧动画、面部动画及混合动画，网格加载、皮肤及渐进网格，环境映射、镜头眩光、公告牌、粒子、天空、水、火、爆炸、贴花、雾、天气、镜像，地形渲染，“客户端/服务器”、P2P网络、主控服务器模式，3D及流音效，通过路径查找、决策、优先状态机、脚本、神经网络等方式支持人工智能。其特性全面，稳定性基本不错，支持基本全面，不容易上手和使用。

       OpenSceneGraph使用C++开发，支持Windows、Linux、Mac、Solaris、SunOS、FreeBSD、Irix、Playstation操作系统，主要特征包括面向对象，插件及脚本扩展架构，支持物理碰撞检测，顶点灯光、各向异性灯光，投影面、立体投影，多纹理、多重材质贴图、投影，顶点、像素、高级着色，场景管理，支持骨架动画、帧动画及混合动画，网格加载及皮肤，环境映射、公告牌、粒子、镜像，地形渲染，“客户端/服务器”、P2P网络、主控服务器模式，2D、3D及流音效。其特性全面，稳定性好，支持还可以，上手和使用比较难。

       选择开源游戏引擎时，需注意获取源码、文档及开放式支持，稳定性对于商业化运作至关重要，但需引入新的游戏技术革新。引擎特性是一个积累过程，上手和使用性反映了设计开发团队的价值取向。

Panda LLM介绍

       熊猫模型项目旨在通过指令调整增强开源大型语言模型，并对其性能进行全面评估。研究考察了训练数据因素，如数量、质量和语言分布，如何影响在英语和中文的高质量指令数据集上训练的模型性能。通过定量分析，项目为开源聊天模型的持续改进提供了见解。模型、数据和代码公开，供他人使用和构建。

       在当前指令跟随大型语言模型发展激增的背景下，如GPT-4、GPT3.5、ChatGPT、Claude和Bard等，虽广受欢迎，但在生成结果的可信度、模型的透明度和可定制性方面存在局限。Dandelion项目旨在通过开源访问高质量大型语言模型，促进全球范围内可信任、透明和可定制的模型开发，以解决当前问题，并使AI技术更加民主化。

       熊猫模型是首个面向海外用户的开源中文指令跟随大型语言模型，也是Dandelion项目的首个发布模型。该模型在多个中文语料库上进行了训练，包括Chinese-Wiki-、Chinese-News、Chinese-Baike-、Chinese-Webtext-和Translation-及COIG数据集。预期未来版本包括更大的模型，如Panda-B和Panda-B。

       熊猫模型采用两阶段训练方法，生成了超越其他开源中文大型语言模型的结果，在参数相同的情况下表现更佳。项目还提供了模型检查点和源代码，以促进人工智能的民主化。这些资源不仅对学术界有用，也适用于个人和小型企业。

       训练熊猫模型需要稳定的基础模型和高质量的中文指令跟踪数据集。项目基于LLAMA模型，通过在六个中文语料库上进行微调，优化其在各种任务上的性能。训练数据包括来自不同领域的大约.3亿个机器理解样本。

       为提高指令跟随性能，熊猫模型整合了来自COIG数据集的指令，以解决数据集中文指令跟踪样本数量不足的问题。在训练过程中，模型在AWS计算节点上使用个NVIDIA A-G GPU，优化器为标准的随机梯度下降，学习率设置为1e-5。

       评估结果显示，通过COIG数据集的指令微调，熊猫模型在推理任务中的性能显著提升，尤其是在LogiQA-v2、C3-d和C3-m数据集上的表现。关键发现表明，多样化的数据集调整是实现高性能的关键因素。

       未来工作涉及开发更大规模的模型，如Panda-B、Panda-B和Panda-B，并公开启用模型并行的代码。此外，项目将致力于获取额外的训练数据，以提高连续预训练和指令微调过程的性能，同时扩大评估基准中的任务和数据集范围。最终目标是将更多语言整合到系统中，增强模型的多功能性和适应性。

       通过发布训练数据、模型检查点和代码，项目旨在为AI民主化做出贡献，提供对大型语言模型性能的深入理解，并推动开源语言模型的发展。

panda库常用功能

       pd.read_csv() 用于读取CSV文件，参数包括文件路径、是否指定列索引、编码方式、指定列数据类型、列前缀、指定行索引和跳过空行。pd.read_excel() 则用于读取Excel文件，参数包括文件路径、是否指定列索引、指定列数据类型、指定行索引和忽略的行数。

       在Python3中，可以使用df.astype()方法更改数据类型，如df.astype('str')可以将全表转换为字符串类型，df['Column'].astype('int')可以指定某一列的数据类型。另外，可以使用pd.to_datetime()将某列数据格式转换为日期时间。

       在ReportLab库中，可以创建PDF文档并自定义样式和内容。首先导入库包和模块，如import reportlab和from reportlab.pdfbase等。生成文字时，可以创建Paragraph对象并设置样式，如字体、大小、颜色、对齐方式和行距。生成表格时，可以使用Table对象，并定义列宽、样式、合并单元格、对齐方式和背景颜色。也可以创建自定义模版类和表头，以及自定义表格生成方法。

       生成PDF文件时，可以使用Canvas类创建并定位文本，使用rect和line方法画矩形和直线，将内容保存到PDF文件中。ReportLab源码阅读还包括常见纸张大小的定义，如A0至A等。

       文本、矩形和画线功能在Canvas画图类库中实现。例如，使用setFont设置字体和大小，使用drawString在指定位置写入字符串，使用rect画矩形，并使用fill参数设置填充颜色。使用line画直线，并提供起点和终点坐标。

       在Python代码的主入口中，创建Canvas类对象并指定PDF文件名，调用pdf_head函数设置标题和图示。使用showPage新建页面，最后保存文件。