sdatkinson/NeuralAmpModelerCore

# NeuralAmpModelerCore [](https://github.com/sdatkinson/NeuralAmpModelerCore/actions/workflows/build.yml) 用于 NAM 插件的核心 C++ DSP 库。 有关如何使用的示例，请参阅 [NeuralAmpModelerPlugin](https://github.com/sdatkinson/NeuralAmpModelerPlugin)。 ## 包含的工具 此仓库包含一些有用的工具。 有关构建它们的指南，请查看 `.github/workflows/build.yml` 中提供的工作流。 * [`run_tests`](https://github.com/sdatkinson/NeuralAmpModelerCore/blob/761fa968766bcf67d3035320c195969d9ba41fa1/tools/CMakeLists.txt#L15)，用于运行一套单元测试。 * [`loadmodel`](https://github.com/sdatkinson/NeuralAmpModelerCore/blob/761fa968766bcf67d3035320c195969d9ba41fa1/tools/CMakeLists.txt#L13)，允许你测试加载 `.nam` 文件。 * [`benchmodel`](https://github.com/sdatkinson/NeuralAmpModelerCore/blob/761fa968766bcf67d3035320c195969d9ba41fa1/tools/CMakeLists.txt#L14)，允许你测试模型在实时环境下的运行速度。_注意：如需更细致的性能分析工具，请查看 [`main-profiling`](https://github.com/sdatkinson/NeuralAmpModelerCore/tree/main-profiling) 分支。 ## 潜在问题 本库使用 [Eigen](http://eigen.tuxfamily.org) 来执行其神经网络所需的线性代数例程。由于这些模型将其参数作为 Eigen 对象成员保存，因此在某些编译器和编译器优化下，存在内存未正确对齐的风险。可以通过提供两个预处理宏 `EIGEN_MAX_ALIGN_BYTES 0` 和 `EIGEN_DONT_VECTORIZE` 来解决此问题，尽管这可能会损害性能。有关更多信息，请参阅[包含 Eigen 成员的结构体](http://eigen.tuxfamily.org/dox-3.2/group__TopicStructHavingEigenMembers.html)。此问题已作为 [Issue 67](https://github.com/sdatkinson/NeuralAmpModelerCore/issues/67) 进行跟踪。 ## 赞助商 本库 0.4.0 版本的开发得到了 [TONE3000](https://tone3000.com) 的慷慨支持。 **谢谢！**

标签：Apex, Bash脚本, C++, DSP, 数据擦除, 机器学习, 神经网络, 音频处理, 音频插件