在Ubuntu衍生系统上构建并安装MangoHud及其组件
MangoHud是一个流行的开源游戏性能监控工具,它可以显示FPS、CPU/GPU使用率等关键指标。对于使用Ubuntu衍生系统(如Tuxedo OS)的用户来说,系统仓库中的版本可能较旧,特别是在Wayland环境下运行时可能会遇到兼容性问题。本文将详细介绍如何从源码构建并安装MangoHud及其相关组件(Mangoapp、Mangoctl、Mangoplot)。
准备工作
在开始构建前,需要确保系统已安装必要的构建工具和依赖项。对于基于Ubuntu 24.04的衍生系统,可以执行以下命令安装基础依赖:
sudo apt update
sudo apt install -y git meson ninja-build pkg-config libglvnd-dev libdbus-1-dev libx11-dev libxrandr-dev libvulkan-dev libwayland-dev libdrm-dev
如果使用NVIDIA显卡,还需要安装NVIDIA相关开发包:
sudo apt install -y nvidia-driver-535 libxnvctrl-dev
获取源码
首先克隆MangoHud的主仓库及其相关组件:
git clone --recursive https://github.com/flightlessmango/MangoHud.git
cd MangoHud
配置构建选项
MangoHud支持多种配置选项,可以根据系统环境进行调整。特别是对于Wayland环境,需要确保相关支持已启用。以下是推荐的配置命令:
meson setup build \
--prefix=/usr \
-Dwith_xnvctrl=disabled \
-Dwith_wayland=enabled \
-Dwith_dbus=enabled \
-Dwith_vulkan=enabled \
-Dwith_x11=enabled
参数说明:
--prefix=/usr:指定安装路径为系统目录-Dwith_xnvctrl=disabled:禁用XNVCtrl支持(解决NVIDIA PRIME相关问题)-Dwith_wayland=enabled:启用Wayland支持-Dwith_dbus=enabled:启用DBus支持-Dwith_vulkan=enabled:启用Vulkan支持-Dwith_x11=enabled:启用X11支持
构建和安装
配置完成后,可以开始构建和安装:
ninja -C build
sudo ninja -C build install
构建完成后,建议重新启动系统以确保所有组件正确加载。
验证安装
安装完成后,可以通过以下命令验证MangoHud是否正常工作:
mangohud --version
要测试MangoHud在游戏中的显示效果,可以使用:
mangohud glxgears
解决常见问题
-
XNVCtrl错误:如果遇到与XNVCtrl相关的错误,建议在构建时禁用该功能(如上文所示),特别是在使用NVIDIA PRIME配置的系统上。
-
Wayland支持:对于Wayland环境,确保在构建时启用了Wayland支持,并且系统已正确配置Wayland会话。
-
权限问题:如果安装后MangoHud无法正常工作,可能需要检查权限设置,确保用户有权限访问所需的系统资源。
高级配置
安装完成后,可以通过编辑~/.config/MangoHud/MangoHud.conf文件来自定义显示内容和样式。MangoHud提供了丰富的配置选项,包括:
- 显示哪些性能指标
- 字体大小和颜色
- 显示位置和透明度
- 快捷键设置
通过从源码构建安装,用户可以确保获得最新版本的MangoHud,解决仓库版本过旧带来的各种兼容性问题,特别是在Wayland环境下的使用体验。
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