LightDM配置说明

darksun9972 darksun9972 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2.3w累计阅读 2.3w+平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄19年
关注
转载 最新推荐文章于 2026-10-16 10:25:14 发布 2.3w 阅读 AI 写同款· GEO 优化 ›
ubuntu20 lightdm无法自动登录进入桌面 lightdm无法自动登录到桌面 阅读详情

转载至http://www.it165.net/os/html/201409/9220.html

LightDM（Light Display Manager）是一个全新的轻量级 Linux 桌面显示管理器，而传统的 Ubuntu 是使用 GNOME 桌面标准的 GDM。

　　LightDM 是一个跨桌面显示管理器，其目的是成为 X org 的 X Server 的标准显示管理器。

　　LightDM 是 2010 年开始的新项目，且被设计为轻量、小巧、快速。相较于 GDM-GTK， KDM-Qt，LightDM 实际上与界面无关，它仅支持本地图形界面获得最好兼容性。

　　Ubuntu 中运行的 LightDM 负责启动 X servers，用户会话和欢迎界面。Ubuntu 默认的欢迎界面是 Unity Greeter。

配置

　　LightDM 配置文件包括：

view sourceprint?

1./usr/share/lightdm/lightdm.conf.d/*.conf

2./etc/lightdm/lightdm.conf.d/*.conf

3./etc/lightdm/lightdm.conf

　　系统使用的配置参数保存在 /usr/share/lightdm/lightdm.conf.d/*.conf，用户不能编辑。系统管理员可以在 /etc/lightdm/lightdm.conf.d/*.conf 和 /etc/lightdm/lightdm.conf 重载系统配置参数。系统会依次读取前述的三个文件最后得到 LightDM 的有效配置信息。

　　例如，如果你想要重载系统默认的会话（默认会话保存在 /usr/share/lightdm/lightdm.conf.d/50-ubuntu.conf），你可以新建文件 /etc/lightdm/lightdm.conf.d/50-myconfig.conf，内容如下：

view sourceprint?

1.[SeatDefaults]

2.user-session=mysession

　　在 /usr/share/doc/lightdm/lightdm.conf.gz 文件中保存着所有可能的配置情况示例。

禁止访客登录

　　LightDM 默认允许你以临时访客登录，禁止该功能：

view sourceprint?

1.[SeatDefaults]

2.allow-guest=false

隐藏用户列表

　　Unity Greeter（其他类似欢迎界面也一样）默认显示一个用户列表。如果你想禁用该功能，可以使用以下配置，以下配置也可以用以启动手动登录。

view sourceprint?

1.[SeatDefaults]

2.greeter-hide-users=true

允许手动登录

　　Unity Greeter 默认不允许你输入用户名来登录。你可以使用以下配置启用该特性。

view sourceprint?

1.[SeatDefaults]

2.greeter-show-manual-login=true

设置自动登录

　　设置 autologin-user 来设置系统启动时自动登录某个帐户。设置 autologin-user-timeout 限制用户在设定秒内如果没有自动登录则不能自动登录。

view sourceprint?

1.[SeatDefaults]

2.autologin-user=username

3.autologin-user-timeout=delay

　　设置自动登录访客账号。

view sourceprint?

1.autologin-guest=true

修改默认会话

　　默认会话设置保存在 /usr/share/lightdm/lightdm.conf.d/ 会话包中。

view sourceprint?

1.[SeatDefaults]

2.user-session=name

　　其中 name 代表 /usr/share/xsessions/*.desktop 中 <name>.desktop。

修改欢迎界面

　　欢迎界面由 /usr/share/lightdm/lightdm.conf.d/ 中欢迎界面包提供。你可以重载该设置。

view sourceprint?

1.[SeatDefaults]

2.greeter-session=name

　　其中 name 代表 /usr/share/xgreeters/*.desktop 中的 <name>.desktop 文件。

添加系统钩子

　　如果你想在 X servers 和用户会话启动/关停时自动做些事情，那么可以按照以下方式设置自动执行命令：

view sourceprint?

1.[SeatDefaults]

2.display-setup-script=command

3.display-stopped-script=command (Not in Ubuntu 12.04 LTS)

4.greeter-setup-script=command

5.session-setup-script=command

6.session-cleanup-script=command

7.session-wrapper=command

8.greeter-wrapper=command (Not in Ubuntu 12.04 LTS)

　　display-setup-script 在 X server 启动后，欢迎界面启动之前运行。该命令由 root 运行，如果命令执行出现错误，X server 会停止运行。

　　display-stopped-script 在 X server 退出后运行。该命令由 root 运行。

　　greeter-setup-script 在欢迎界面启动前运行。该命令由 root 运行。如果命令执行出现错误，欢迎界面将无法启动并导致 LightDM 退出。

　　session-setup-script 用户会话启动之前运行，如果失败，用户会话将不启动。

　　session-cleanup-script 在欢迎界面或用户会话退出之后运行。由 root 运行。

　　session-wrapper 该命令用于运行会话。该命令使用用户身份运行。默认值为 lightdm-session。

　　greeter-wrapper 该命令用于运行欢迎界面。等同于 session-wrapper。

修改墙纸

　　LightDM 不配置欢迎界面外观。

　　Unity Greeter 默认显示当前选中的用户的背景图案。设置默认背景，并停止背景切换，编辑 /usr/share/glib-2.0/schemas/10_unity_greeter_background.gschema.override。

view sourceprint?

1.[com.canonical.unity-greeter]

2.draw-user-backgrounds=false

3.background='/foo/wallpaper.png'

　　然后运行 sudo glib-compile-schemas /usr/share/glib-2.0/schemas/ 使配置生效。

　　如果使用的是 LightDM GTK+ 欢迎界面，编辑 /etc/lightdm/lightdm-gtk-greeter.conf：

view sourceprint?

1.background=/usr/share/lubuntu/wallpapers/lubuntu-default-wallpaper.png

LightDM 相关操作

　　切换命令行：alt-ctrl-F1。

　　LightDM 日志：/var/log/lightdm。

　　关停 LightDM：$ sudo stop lightdm。

　　启动 LightDM：$ sudo start lightdm。

　　设置 LightDM 为默认显示管理器：$ sudo dpkg-recofigure lightdm。

1. LightDM - Ubuntu wiki


收录于
linux和它的小伙伴

当前文章被收录于：

linux和它的小伙伴
90 篇文章 0 人学习
订阅专栏 查看详情
linux lightdm.conf,lightDM(Light Display Manager)简介 # lightDM(Light Display Manager)简介`项目地址`：[https://github.com/canonical/lightdm](https://github.com/canonical/lightdm)LightDM，是一个全新的、轻量的Linux桌面的桌面显示管理器，而传统的Ubuntu用的是GNOME桌面标准的GDM,其目的是成为 X org X 服务器的标准显... 阅读详情

相关推荐

Lightdm设置自动登录

熟悉嵌入式系统的人都不陌生lightdm，这个轻桌面管理器曾经是Ubuntu等一众发行版默认的桌面，自从Ubuntu-18.04改用GDM后它就逐步淡出了大众的视野，但是如果你想你依然可以在Ubuntu现行版本上安装lightdm来作为你的默认桌面管理器。现在很多嵌入式系统上依然在使用lightdm，凭借着较小的内存消耗和较高的性能让它依然被很多人青睐。1、蛮简单的，大多数人能用到的就是这个自动登陆了，guest功能和session不需要刻意去更改，除非你特别懂这个。

jiexijihe945的博客 2053

[Ubuntu] LightDM 轻量级桌面显示管理器

　　LightDM（Light Display Manager）是一个全新的轻量级 Linux 桌面显示管理器，而传统的 Ubuntu 是使用 GNOME 桌面标准的 GDM。 　　LightDM 是一个跨桌面显示管理器，其目的是成为 X org 的 X Server 的标准显示管理器。 　　LightDM 是 2010 年开始的新项目，且被设计为轻量、小巧、快速。相较于 GDM-GTK， K...

weixin_34370347的博客 2072

CentOS GNOME Docker化：从GDM到LightDM的转变

本文将深入探讨如何将CentOS的默认显示管理器GDM切换到LightDM，并将其配置为Docker镜像。文章详细说明了如何通过一系列命令行操作来更改CentOS的显示管理器和目标级别，以及如何调整桌面图标大小、优化PulseAudio配置、管理权限并缩短系统关机时间。最后，还提供了创建CentOS Docker镜像的启动脚本。

weixin_36431145的博客 537

loongnix系统设置root自动登录

修改loongnix系统配置文件，不输入密码直接进入系统桌面。

echo_heart_echo_soul的博客 1399

ml307 二次开发

中移物联网旗下4g模组官方网站官方教程id=514官方客户不知道啥时候上班 早上10点也说不在服务时间内 找不到官方的sdk下载路径。

myWorld001的博客 2889

C# 开发 ACS 运动控制系统：从入门到高阶应用实践

起始位置</param>/// <param name="endPos">结束位置</param>/// <param name="maxVelocity">最大速度</param>/// <param name="maxAcceleration">最大加速度</param>/// <param name="maxJerk">最大加加速度

品质生活，极致编程。 2842

Lightdm简介和常用配置

Lightdm简介什么是Lightdm怎么调试Lightdm的命令解释dm-tool工具配置选项说明 什么是Lightdm LightDM，即：Light Display Manager，是一个全新的、轻量的Linux桌面的桌面显示管理器，而传统的Ubuntu用的是GNOME桌面标准的GDM。Ubuntu 中运行的 LightDM 负责启动** X servers**，用户会话和欢迎界面。Ubuntu 默认的欢迎界面是 Unity Greeter。 Lightdm wiki文档 怎么调试 安装调试工具 s

qq_40285036的博客 1万+

BIDS数据存储格式介绍与dcm2bids安装与使用

BIDS格式&dcm2bids安装与使用

machinelearning_er的博客 7317

Linux Mint LightDM Settings 配置工具教程

Linux Mint LightDM Settings 配置工具教程 1. 项目目录结构及介绍 该项目位于 GitHub，其主要目标是为LightDM显示管理器提供一个配置工具。下面是关键的目录和文件结构概述： / 主目录，包含整个项目的源码和资源。 COPYING: 许可证文件，指出本项目遵循GPL-3.0许可。 Makefile: 构建系统的脚本，用于编译和打包项目。 README.md...

gitblog_01020的博客 549

别再手动拆解字节了！用博图这个功能指令，5分钟搞定ARRAY转BOOL数组

本文详细介绍了西门子博图中`ARRAY_TO_BOOL`功能指令的高效应用，帮助工程师快速实现ARRAY到BOOL数组的转换。通过实战案例和参数配置指南，展示了如何5分钟内完成传统方法需半小时的任务，大幅提升PLC编程效率，特别适用于通信报文解析和设备状态监控。

weixin_42653691的博客 264

SAP 物料的分割评估

SAP 物料的分割评估 前言 本文主要讲解SAP中物料的分割评估，通过分割评估来区分出同一物料不同来源下的核算方式。例如：同一物料分为自产或者采购，或者同一物料分为进口或者国内采购等。 一、概述 分割评估一般用于以下场景： 1、物料分为内部采购和外部采购； 2、物料分属于进口或者国内采购； 3、物料分属于不同的批次； 4、物料分为自制或者采购。 由于物料的来源不同可能导致物料的价格或者性质不同，需要用不同价格来区分出 二、配置步骤 1.激活分割评估 ...

五谷散熊 6792

告别输密码！麒麟KYLINOS V10 SP1开机自动登录保姆级教程（LightDM配置详解）

本文详细介绍了麒麟KYLINOS V10 SP1系统中LightDM显示管理器的开机自动登录配置方法，包括基础设置、多用户切换方案及安全加固策略。通过修改lightdm.conf文件，用户可实现快速自动登录，同时确保系统安全。适用于个人设备提升启动效率。

weixin_30570101的博客 602

制作3D地形图的方法-使用GlobalMapper和3ds Max软件

打开GlobalMapper软件，在菜单栏中选择“文件”>“打开数据文件”，然后选择相应的高程数据文件。在菜单栏中选择“渲染”>“渲染设置”，根据需要进行设置，如分辨率和输出格式。选择地形对象，点击菜单栏中的“渲染”>“材质编辑器”，然后根据需要调整材质属性，如颜色、纹理和光照等。在菜单栏中选择“工具”>“高程栅格和网格”>“创建地形网格”。在菜单栏中选择“文件”>“导出”>“导出栅格格式”。打开3ds Max软件，在菜单栏中选择“文件”>“导入”，然后选择之前导出的地形数据文件。步骤3：导出地形网格。

JqlScala的博客 1535

Centos 7 配置Xmanager实现远程登录

实验室新配的一台浪潮服务器，需要配置远程登录系统供学生使用。基本情况是，实验室两台服务器连接一台路由器，路由器给这一台新主机分配的固定端口号为10002。 安装Centos 7 操作系统 网上安装Centos 7 操作系统的教程有很多，这里我就不详细介绍了，需要注意一点就是制作好U盘启动器后，一定要把镜像文件添加到U盘中，否则会安装不成功。 配置Xmanager服务器 首先以下载和安装ligh...

Qyy_nice的博客 1万+

PCL Alpha Shapes平面点云边界特征提取【2026最新版】

alpha shapes算法用于平面点云的边界特征提取。博客长期更新，本文最近一次更新时间为：2026年4月20日。

点云侠的博客 27万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

开源项目 lightdm-login-chromeos 使用教程

开源项目 lightdm-login-chromeos 使用教程 1. 项目的目录结构及介绍 lightdm-login-chromeos 项目的目录结构如下： lightdm-login-chromeos/ ├── usr │ └── sbin │ └── chromeos ├── README.md ├── LICENSE └── ... 目录结构介绍 usr/sbin/c...

gitblog_01006的博客 424

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

lightdm-webkit-material 项目安装与使用教程

lightdm-webkit-material 项目安装与使用教程 1. 项目的目录结构及介绍 lightdm-webkit-material 项目的目录结构如下： lightdm-webkit-material/ ├── assets/ ├── nbproject/ ├── .gitignore ├── CONTRIBUTING.md ├── LICENSE ├── README.md ├── ...

gitblog_00012的博客 366

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

xprofile vs xsession vs xinitrc: Where to Start Applications on Debian + i3 + LightDM?

If you’re running a minimal Linux setup with Debian, the i3 window manager, and LightDM as your display manager, you’ve likely encountered a common question: Where do I put my startup commands? Whether you want to launch a system tray app (like for networ

allway2的博客 809

win10 用 XManager 远程 CentOS 7：XDMCP 与 lightdm 配置到 TaoToken 的排错清单

Win10 用 XManager 连 CentOS 7 黑屏，多半是 lightdm 仍拉起 GNOME 会话。本文给出 XDMCP 排错清单：装 lightdm 与 Xfce、开启 177/udp 监听、挪走 gnome desktop 文件，并用 ss 与 journalctl 逐步验证。排错时可用 TaoToken 模型对话查配置与报错，官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 。

weixin_35749786的博客 4

2. 移植ubuntu24.04到开发板—debian源配置

会自动更新并将证书下载到本地。debian软件包下载地址。继续apt update。在下面可以搜索软件包。

2501_91067394的博客 1017

ubuntu20.04安装安装x11vnc服务基于gdm3或lightdm这两种主流的显示管理器。

ubuntu20.04安装安装x11vnc服务基于gdm3或lightdm这两种主流的显示管理器。超全手把手

weixin_43441262的博客 1072

配置root自动登陆

可以编辑lightdm.conf   $sudo gedit  /etc/lightdm/lightdm.conf  再其中添加如下的内容，同样重新启动，登陆中用root登陆： [SeatDefaults] autologin-user=root greeter-session=unity-greeter user-session=ubuntu greeter-show-manual

cs9dn003的专栏 735
上一篇： linux时间与Windows时间不一致的解决
下一篇： sr-speedbar使用说明
点赞 2
评论 0
书签 书签 18
darksun9972
darksun9972
博客等级 码龄19年 42粉丝 399原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值