tmux-mem-cpu-load 技术文档
2024-12-23 01:43:27作者:段琳惟
1. 安装指南
依赖
目前支持 Linux、Mac OSX、FreeBSD、OpenBSD 和 NetBSD。
构建要求
- CMake_ 版本 >= 3.5
- 支持 C++11 的 C++ 编译器(例如 gcc/g++ 版本 >= 4.6)
下载
可以在项目主页上找到源代码。
构建与安装
cd <源代码目录>
cmake .
make
sudo make install
使用 tpm_ 安装
在 .tmux.conf 文件中包含插件。
set -g @plugin 'thewtex/tmux-mem-cpu-load'
使用包管理器安装
- Gentoo:
emerge tmux-mem-cpu-load - Homebrew:
brew install tmux-mem-cpu-load
使用 Antigen_ 安装
在 .zshrc 文件中包含插件。
antigen bundle thewtex/tmux-mem-cpu-load
2. 项目的使用说明
编辑 $HOME/.tmux.conf 文件以在 status-left 或 status-right 中显示程序输出。例如:
set -g status-interval 2
set -g status-left "#S #[fg=green,bg=black]#(tmux-mem-cpu-load --colors --interval 2)#[default]"
set -g status-left-length 60
如果使用 tpm 安装,必须指定 tmux-mem-cpu-load 脚本的全路径。
set -g status-right '#[fg=green]#($TMUX_PLUGIN_MANAGER_PATH/tmux-mem-cpu-load/tmux-mem-cpu-load --colors --powerline-right --interval 2)#[default]'
注意 tmux-mem-cpu-load 的 interval 参数应与 status-interval 设置的秒数相同。
3. 项目API使用文档
tmux-mem-cpu-load 的完整用法:
Usage: tmux-mem-cpu-load [OPTIONS]
可用选项:
-h, --help 打印帮助信息
-c, --colors 使用 tmux 颜色输出
-p, --powerline-left 使用 powerline 左侧符号,启用 --colors
-q, --powerline-right 使用 powerline 右侧符号,启用 --colors
-v, --vertical-graph 使用垂直条形图显示 CPU 图表
-l <value>, --segments-left <value>
启用左侧段落颜色混合,取决于 -p 或 -q 选项
-r <value>, --segments-right <value>
启用右侧段落颜色混合,取决于 -p 或 -q 选项
-i <value>, --interval <value>
设置 tmux 状态刷新间隔,单位为秒。默认:1秒
-g <value>, --graph-lines <value>
设置图表中的线条数量。默认:10
-m <value>, --mem-mode <value>
设置内存显示模式。0:默认,1:空闲内存,2:使用百分比
-t <value>, --cpu-mode <value>
设置 CPU 百分比显示模式。0:默认最大 100%,1:最大 100% * 线程数
-a <value>, --averages-count <value>
设置应绘制多少个负载平均值。默认:3
4. 项目安装方式
请参考上述“安装指南”部分。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781