RefindPlus 开源项目教程
1、项目介绍
RefindPlus 是一个基于 rEFInd 的开源引导管理器,旨在扩展 rEFInd 的功能,提供针对 Apple Mac 和 UEFI-PC 的增强和修复。RefindPlus 特别适用于那些需要额外配置需求或需要高级选项来运行操作系统和 UEFI 实用程序的用户。它提供了与上游版本的功能和配置对等性,保护 Mac nvRAM 免受损坏,避免在 T2/TPM 芯片设备上的启动失败和冻结,以及在 Mac 上运行没有原生 EFI 的 GPU 时提供预启动配置屏幕。此外,RefindPlus 还进行了广泛的内存管理改进。
2、项目快速启动
安装 RefindPlus
首先,确保你已经安装了 rEFInd。然后,你可以通过以下步骤手动安装 RefindPlus:
- 下载 RefindPlus 的 EFI 文件。
- 将下载的 RefindPlus EFI 文件重命名为与 rEFInd EFI 文件相同的名称。
- 替换 rEFInd 安装目录中的 EFI 文件。
# 示例命令
wget https://github.com/dakanji/RefindPlus/releases/download/v0.14.1/refind-plus-efi
mv refind-plus-efi /path/to/rEFInd/refind.efi
配置 RefindPlus
RefindPlus 可以使用上游的配置文件 refind.conf,但建议使用 RefindPlus 提供的配置文件 config.conf 以利用其额外功能。
# 示例命令
cp /path/to/RefindPlus/config.conf /path/to/rEFInd/
3、应用案例和最佳实践
案例1:在 MacPro3.1 到 MacPro5.1 上使用 RefindPlus
在 MacPro3.1 到 MacPro5.1 以及 Xserve2.1 和 Xserve3.1 上,可以使用 MyBootMgr 设置 RefindPlus 和 OpenCore 的链式加载。
案例2:在 UEFI 1.x 设备上使用现代 GPU
RefindPlus 尝试确保 UEFI 2.x GOP 驱动程序在 EFI 1.x 设备上可用,从而允许在旧设备上使用现代 GPU。
最佳实践
- 保护 Mac nvRAM:RefindPlus 默认阻止 UEFI Windows Secure Boot 将证书保存到 Mac nvRAM,以防止损坏。
- APFS 同步:RefindPlus 始终透明地同步 APFS 系统和 PreBoot 分区,确保 APFS 格式的 macOS 始终使用 PreBoot 分区启动。
4、典型生态项目
rEFInd
RefindPlus 是基于 rEFInd 的扩展项目,因此 rEFInd 是其核心依赖。
OpenCore
在某些情况下,RefindPlus 可以与 OpenCore 结合使用,特别是在需要链式加载的情况下。
MyBootMgr
MyBootMgr 是一个用于管理启动顺序的工具,可以与 RefindPlus 结合使用,特别是在 MacPro 和 Xserve 设备上。
通过以上模块,你可以快速了解和使用 RefindPlus 项目。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00