ArkOS系统更新后SD2游戏目录显示异常问题解析
2025-07-08 13:44:33作者:幸俭卉
问题现象
在将RG353M/P设备上的ArkOS系统从2025年3月30日版本升级至2025年4月30日版本后,用户发现存储在第二张SD卡(SD2)中的游戏列表在EmulationStation前端界面中不再显示。这一问题同时出现在RG353M和RG353P两款设备上。
问题原因
根据开发者确认,这是由于在4月30日的系统更新中,开发团队未能完全兼容处理SD2游戏存储目录的配置迁移。系统更新后,虽然SD2卡中的游戏数据仍然存在,但系统未能自动识别和加载这些内容。
解决方案
用户可以通过以下简单步骤恢复SD2游戏目录的显示:
- 进入ArkOS系统设置菜单
- 选择"Options(选项)" > "Advanced(高级)"
- 找到"SD2 for Games(SD2游戏存储)"选项
- 先将该选项切换为"Off(关闭)"状态
- 再次将其切换回"On(开启)"状态
- 系统将重新扫描并加载SD2中的游戏内容
技术背景
ArkOS系统采用双SD卡设计,其中:
- SD1卡主要用于存储系统文件
- SD2卡则专门用于存放游戏ROM和用户数据
这种设计分离了系统文件和用户数据,使得系统更新不会影响用户的游戏收藏。在系统更新过程中,SD2卡的挂载配置可能需要重新初始化,这正是本次问题的技术根源。
预防措施
对于未来系统更新,建议用户:
- 在更新前备份重要游戏存档
- 了解基本的系统配置选项位置
- 遇到类似问题时首先检查存储设备设置
总结
虽然这是一个小问题且容易解决,但它提醒我们系统更新时配置迁移的重要性。ArkOS开发者已经注意到这个问题,未来版本应该会包含更完善的配置迁移机制。对于终端用户而言,掌握基本的系统设置调整方法可以快速解决这类小问题。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0576
MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解,并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计,H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力,能够出色地执行复杂的多模态指令。Python00
DataFlow基于大模型算子和工作流的高效文本大模型训练数据合成框架Python07
doraDORA (Dataflow-Oriented Robotic Architecture 面向数据流的机器人架构) 是为 AI 与具身智能机器人打造的高性能开发框架,以数据流范式重构开发逻辑,原生支持分布式部署与端边云协同 —— 无需复杂适配,即可实现一体端到端具身大小脑、VLA等模型部署,无缝衔接感知、推理、控制全链路,让 AI 能力与机器人动作深度融合。 依托 Rust 内核与零拷贝通信技术,它将具身大小脑、VLA等模型推理、多模态数据融合延迟压缩至微秒级,同时兼容 ROS2 生态与国产 AI 芯片,彻底降低具身智能机器人的开发门槛,让分布式部署下的 AI 赋能创新更高效、更灵活。Rust02
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
py-xiaozhi基于Python的Xiaozhi AI,适用于想要完整Xiaozhi体验而无需拥有专用硬件的用户。Python01
项目优选
收起
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
509
550
暂无描述
Markdown
852
5.68 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.04 K
2.48 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
838
1.27 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
844
1.69 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.16 K
856
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++
1.25 K
1.37 K
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
502
345
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
783
410