推荐一款开箱即用的 Vue.js + Electron 跨平台应用开发模板

今天给大家推荐一个的 Vue 3 + Electron 的桌面应用程序模板,可以用于生产环境。它使你可以专注于业务逻辑,而不用花心思在基础架构上, 快速构建现代化的跨平台桌面应用。

如果你打算快速推出产品、搭建项目原型,或者你是 Electron、Vue 的新手,那么这个模板大概率适合你。

模板简介

这个模板是一个开箱即用的解决方案,集成了 Vue 3 + Electron 生态,提供了完整的项目结构和预配置的开发环境。

项目地址:

主要特性

  • 现代化技术栈

    • 基于 Vue 3 + Electron 最新生态。
  • 无边框窗口与圆角透明背景支持

    • 模板支持无边框圆角透明窗口,解决了 Windows 平台下诸多令人头疼的兼容问题。
  • 自定义原生风格的 MessageBox/Dialog

    • 某些情况下, 我们需要一个独立于浏览器的 MessageBox 或者 Dialog, 利用模板可以轻易完成。
  • 多语言(i18n)与主题支持

    • 内置了亮/暗主题支持,并且可以轻松扩展自定义主题。
    • 采用动态加载语言文件的方式,非开发者也能轻松添加翻译内容。
  • 自动更新、一键打包推送功能

演示

语言文字与主题切换

语言文字与主题切换演示GI

原生对话框窗口圆角切换

原生对话框与圆角切换演示GIF

自动更新

自动更新演示GIF

快速上手

# 克隆项目
git clone https://github.com/ZeroKwok/ElectronVueTemplate.git
cd ElectronVueTemplate

# 可选设置Node或Electron镜像
npm config set registry https://registry.npmmirror.com
yarn config set electron_mirror https://npmmirror.com/mirrors/electron/

# 安装依赖
yarn

# 运行
yarn start

# 打包
yarn package

# 构建安装程序
yarn make

Note 版本 20 及以上,建议使用 nvm 来管理 Node.js 版本。

项目结构

模板项目结构如下,将主进程、渲染进程和共享代码明确分离:

/
├── src/
│   ├── main/                # Electron主进程代码
│   ├── renderer/            # Vue渲染进程代码
│   ├── server/              # 服务器模式代码
│   └── shared/              # 共享代码
├── .env*                    # 环境变量配置
├── package.json             # 项目依赖和脚本
└── forge.config.js          # Electron Forge配置

结语

如果你正在寻找一个靠谱的Electron入手起点,不妨试试这个模板。项目采用MIT许可证开源,可以自由使用和修改。也欢迎向项目贡献代码或提出建议!

如果对你有帮助的话, 请给我一个Star,谢谢!

### 如何在 CUDA 10.2 上安装 PyTorch 为了确保顺利安装适用于 CUDA 10.2 的 PyTorch 版本,建议通过 Anaconda 来管理依赖关系和环境。以下是具体操作指南: #### 创建并激活新的 Conda 环境 推荐先创建一个新的 Python 环境来隔离不同项目的库文件,防止版本冲突。 ```bash conda create -n pytorch_env python=3.7 conda activate pytorch_env ``` #### 配置国内镜像源加快下载速度 考虑到网络因素可能影响包的获取效率,可设置清华大学开源软件镜像站作为默认渠道之一[^5]。 ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/ ``` #### 安装指定版本的 PyTorch 及其相关组件 根据需求选择合适的 PyTorch 和其他必要的扩展模块版本进行安装。对于 CUDA 10.2 用户来说,可以选择如下命令完成安装过程[^2]。 ```bash conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch ``` #### 验证安装情况 最后一步是在 Python 解释器内部验证是否正确加载了带有 GPU 支持功能的 PyTorch 库[^4]。 ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 如果一切正常,则会显示相应的 PyTorch 版本号,并确认存在可用的 CUDA 设备支持。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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