LACT项目v0.7.3版本发布:AMD/NVIDIA显卡监控与超频工具的重大更新
LACT是一款开源的Linux系统显卡监控与超频工具,主要支持AMD和NVIDIA显卡。作为一个轻量级的守护进程和图形界面组合,它为用户提供了对显卡性能参数的实时监控、风扇控制、超频设置等功能。最新发布的v0.7.3版本带来了多项重要改进,特别是在图表可视化、系统兼容性和稳定性方面。
图表窗口全面升级
v0.7.3版本对图表监控窗口进行了彻底重构,使其成为完全可配置的界面。这一改进显著提升了用户体验:
-
自定义统计指标:用户现在可以自由选择要在图表上显示的统计指标,包括默认不显示的GPU电压、GPU负载百分比和显存使用情况等高级参数。
-
多图表管理:支持添加/删除多个图表,并通过拖放方式调整它们的位置和大小,实现个性化的监控布局。
-
数据导出功能:新增了将历史监控数据导出为CSV文件的功能,方便用户进行后续分析和报告生成。
-
持久化UI设置:所有图表配置和界面布局设置现在会被自动保存,下次启动时保持用户偏好。
这一改进使得专业用户可以根据自己的需求创建定制化的监控面板,而普通用户也能轻松查看最关心的性能指标。
Flatpak打包支持
v0.7.3版本首次提供了Flatpak打包格式,这是Linux应用分发的重要一步:
-
沙箱与权限平衡:由于LACT守护进程需要root权限,Flatpak包附带了一个辅助脚本,用于在沙箱外安装守护进程。
-
通用安装方案:安装脚本设计为通用型,理论上支持所有使用systemd的Linux发行版。
-
未来计划:开发者计划将LACT提交至Flathub官方仓库,前提是能够通过其审核流程。
Flatpak支持大大简化了LACT在各种Linux发行版上的安装过程,特别是对于那些不在官方仓库中的发行版用户。
AMD RDNA3显卡设置优化
针对AMD RDNA3架构显卡(如RX 7000系列)存在的设置应用问题,v0.7.3版本进行了专门优化:
-
设置顺序调整:通过社区测试发现,特定的设置写入顺序可以避免驱动层的问题,现在LACT会按照最优顺序应用各项参数。
-
兼容性保障:虽然主要针对RDNA3,但改进也经过了多代AMD显卡的测试验证。
-
问题根源:这一优化解决了AMD驱动中已知的超频设置不可靠问题,特别是功率限制、风扇曲线和时钟频率设置可能失效的情况。
设备识别与紧急恢复
新版本在设备支持和系统安全性方面也有显著提升:
-
嵌入式设备数据库:LACT现在内置了GPU厂商(AIB)名称数据库,当系统数据库无法识别特定显卡型号时作为备用方案。用户可以通过提交设备ID来帮助完善这个开源数据库。
-
紧急配置重置:新增了通过
lact-reset启动参数来重置错误配置的功能。当超频设置导致系统不稳定时,用户可以在启动时使用这个选项恢复默认设置,避免无法进入系统的情况。
其他改进与修复
v0.7.3版本还包括多项细节优化:
-
NVIDIA显卡支持:现在可以正确报告风扇转速(RPM)和风扇速度百分比。
-
权限管理:更新了socket权限配置,增加了admin_user字段,提高了安全性。
-
性能监控:新增了GPU和显存使用率统计到历史图表中,并支持显示节流状态。
-
系统兼容性:针对不同Linux发行版(如Fedora、openSUSE、Ubuntu等)提供了更完善的打包支持。
总结
LACT v0.7.3版本通过图表自定义、Flatpak打包支持、RDNA3优化等多项改进,进一步巩固了其作为Linux平台显卡管理工具的地位。无论是普通用户还是高级玩家,都能从这个版本中获得更好的使用体验。特别是对于使用最新AMD显卡的用户,设置可靠性的提升解决了长期存在的痛点问题。随着Flatpak支持的加入,LACT的易用性和可及性也得到了显著提升。
kernelopenEuler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。C048
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
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