LACT项目在aarch64架构下的构建问题分析与解决方案
2025-07-03 05:55:55作者:尤辰城Agatha
问题背景
LACT是一个用于AMD显卡管理的开源工具,近期在aarch64架构(如树莓派、部分服务器等使用的ARM64架构)上构建时遇到了测试失败的问题。这个问题主要出现在构建测试阶段,与一个名为easy_fuser的依赖库有关。
技术分析
问题的核心在于类型不匹配错误。具体表现为:
- 在easy_fuser库的unix_fs.rs文件中,第844行代码尝试调用listxattr函数
- 该函数期望接收一个
*mut u8类型的指针参数 - 但实际传入的是
*mut i8类型的指针 - 这种类型不匹配导致了编译失败
这种类型差异在x86架构上可能不会出现问题,但在aarch64架构上会触发严格的类型检查。这反映了跨平台开发中常见的一个问题:不同架构对某些数据类型的处理可能存在细微差别。
影响范围
这个问题主要影响:
- 需要在aarch64架构上构建LACT的用户
- 特别是那些需要运行测试套件的开发场景
- 对于仅需要构建主程序的用户,可以通过禁用测试来规避此问题
解决方案
开发团队已经采取了以下措施:
- 向easy_fuser库提交了修复补丁,正确处理了指针类型转换
- easy_fuser 4.1版本已经发布并解决了这个问题
- LACT项目已更新依赖版本,确保使用修复后的easy_fuser
对于临时解决方案,用户可以选择:
- 在aarch64架构上构建时禁用测试
- 使用预构建的软件包(如Flatpak或Fedora copr包),这些包已经针对aarch64进行了适配
经验总结
这个案例展示了开源生态系统中依赖管理的重要性。跨平台开发时,开发者需要注意:
- 不同架构可能对数据类型有不同要求
- 测试套件可能暴露出主程序不会遇到的问题
- 及时更新依赖库可以避免已知问题的发生
对于嵌入式或非x86平台的开发者,建议在开发早期就进行多架构测试,而不是等到后期才进行跨平台适配。这样可以尽早发现并解决类似的问题。
结论
通过社区的协作努力,LACT在aarch64架构上的构建问题已经得到解决。这再次证明了开源模式在解决技术问题方面的优势——问题能够被快速发现、诊断并修复。对于使用ARM架构设备的用户,现在可以顺利地在这些平台上使用LACT来管理AMD显卡了。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
213
226
暂无简介
Dart
659
150
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
656
293
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.17 K
644
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
489
React Native鸿蒙化仓库
JavaScript
251
320
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
79
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1