xf86-input-mtrack 项目教程
2024-09-25 06:57:31作者:齐冠琰
1. 项目介绍
xf86-input-mtrack 是一个 Xorg 的多点触控触摸板驱动程序。它支持任何使用槽式多点触控协议的内核驱动程序的触摸板。该项目兼容 Xorg 服务器版本 1.7 到 1.12,并且需要 mtdev 库来运行。
该项目的主要功能包括:
- 支持多点触控手势
- 支持自定义触摸板行为和手势
- 兼容多种触摸板硬件
2. 项目快速启动
2.1 安装依赖
在开始之前,确保系统已经安装了必要的依赖库:
sudo apt-get install build-essential xorg-dev libmtdev-dev
2.2 下载并编译项目
从 GitHub 仓库下载项目源码:
git clone https://github.com/BlueDragonX/xf86-input-mtrack.git
cd xf86-input-mtrack
编译并安装驱动程序:
./configure
make
sudo make install
2.3 配置 Xorg
在 /etc/X11/xorg.conf.d/ 目录下创建一个新的配置文件,例如 50-mtrack.conf,并添加以下内容:
Section "InputClass"
Identifier "Touchpads"
Driver "mtrack"
MatchIsTouchpad "on"
EndSection
2.4 重启 Xorg 服务
重启 Xorg 服务以应用新的配置:
sudo systemctl restart lightdm
3. 应用案例和最佳实践
3.1 自定义手势
通过修改 Xorg 配置文件,可以自定义触摸板的手势行为。例如,设置双指滚动的手势:
Section "InputClass"
Identifier "Touchpads"
Driver "mtrack"
MatchIsTouchpad "on"
Option "ScrollDistance" "150"
Option "ScrollUpButton" "4"
Option "ScrollDownButton" "5"
EndSection
3.2 忽略拇指和手掌
可以通过配置文件忽略拇指和手掌的触摸,以提高触摸板的灵敏度:
Section "InputClass"
Identifier "Touchpads"
Driver "mtrack"
MatchIsTouchpad "on"
Option "IgnoreThumb" "true"
Option "IgnorePalm" "true"
EndSection
4. 典型生态项目
4.1 libinput
libinput 是一个用于处理输入设备的库,广泛用于现代 Linux 桌面环境。它提供了对触摸板、鼠标、键盘等输入设备的高级支持。
4.2 Xorg
Xorg 是 Linux 系统中的 X Window System 实现,负责管理图形显示和输入设备。xf86-input-mtrack 作为 Xorg 的输入驱动程序,与 Xorg 紧密集成。
4.3 mtdev
mtdev 是一个用于多点触控设备的库,提供了对多点触控事件的处理。xf86-input-mtrack 依赖于 mtdev 库来处理触摸板的多点触控事件。
通过这些生态项目的配合,xf86-input-mtrack 能够提供强大的多点触控支持,适用于各种 Linux 桌面环境。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
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
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146