Fedora Core 4 使用手记(五) 安装xmms和mp3 插件

redbeans redbeans 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 1.2k累计阅读 1.2k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25年
关注
原创 最新推荐文章于 2026-01-16 16:29:02 发布 1.2k 阅读 AI 写同款· GEO 优化 ›
卡尔曼滤波原理详解及系统模型建立（simulink） 卡尔曼滤波原理详解及系统模型建立（simulink） 卡尔曼滤波器 卡尔曼滤波器是在上个世界五六十年代的时候提出的，到今天已经有六十年左右的时间，但卡尔曼滤波算法不管在控制、制导、导航或者通讯方面对数据的预测能力依然处在一个不可撼动的位置上，但是很多人对于其算法内部的工作原理究竟是怎么运作的依然不理解，所以在工程上很多人都只是把卡尔曼滤波当成是一种“黑箱”预测算法，并不清楚内部原理。但实际上没有任... 阅读详情

[root@localhost ~]# yum -y install xmms-mp3 gstream-plugins-mp3 libmad libid3tagSetting up Install Process
Setting up repositories
updates-released          100% |=========================|  951 B    00:00
extras                    100% |=========================| 1.1 kB    00:00
base                      100% |=========================| 1.1 kB    00:00
Reading repository metadata in from local files
primary.xml.gz            100% |=========================| 317 kB    00:07
updates-re: ################################################## 962/962
Added 962 new packages, deleted 0 old in 12.07 seconds
primary.xml.gz            100% |=========================| 766 kB    00:13
extras    : ################################################## 2146/2146
Added 2146 new packages, deleted 0 old in 20.49 seconds
primary.xml.gz            100% |=========================| 824 kB    00:14
base      : ################################################## 2772/2772
Added 2772 new packages, deleted 0 old in 22.42 seconds
Parsing package install arguments
No Match for argument: xmms-mp3
No Match for argument: gstream-plugins-mp3
No Match for argument: libmad
Resolving Dependencies
--> Populating transaction set with selected packages. Please wait.
---> Downloading header for libid3tag to pack into transaction set.
libid3tag-0.15.1-3.b.i386 100% |=========================| 4.4 kB    00:00
---> Package libid3tag.i386 0:0.15.1-3.b set to be updated
--> Running transaction check

Dependencies Resolved

=============================================================================
 Package                 Arch       Version          Repository        Size
=============================================================================
Installing:
 libid3tag               i386       0.15.1-3.b       extras             43 k

Transaction Summary
=============================================================================
Install      1 Package(s)
Update       0 Package(s)
Remove       0 Package(s)
Total download size: 43 k
Downloading Packages:
(1/1): libid3tag-0.15.1-3 100% |=========================|  43 kB    00:00
warning: rpmts_HdrFromFdno: Header V3 DSA signature: NOKEY, key ID 1ac70ce6
public key not available for libid3tag-0.15.1-3.b.i386.rpm
Retrieving GPG key from file:///etc/pki/rpm-gpg/RPM-GPG-KEY-fedora-extras
Importing GPG key 0x1AC70CE6 "Fedora Pre Extras Release <pre-extras@fedoraproject.org>"
Key imported successfully
Running Transaction Test
Finished Transaction Test
Transaction Test Succeeded
Running Transaction
  Installing: libid3tag                    ######################### [1/1]
/sbin/ldconfig: File /usr/lib/libgcj.so.6.0.0.#prelink#.bgmJS2 is empty, not checked.

Installed: libid3tag.i386 0:0.15.1-3.b
Complete!

[root@localhost software]# rpm -ihv xmms-status-plugin-1.0-2.rhfc3.nr.i386.rpm
warning: xmms-status-plugin-1.0-2.rhfc3.nr.i386.rpm: Header V3 DSA signature: NOKEY, key ID b8693f2c
Preparing...                ########################################### [100%]
   1:xmms-status-plugin     ########################################### [100%]

# yum -y install grip (mp3抓轨软件)
[root@localhost software]# yum -y install grip
Setting up Install Process
Setting up repositories
updates-released          100% |=========================|  951 B    00:00
extras                    100% |=========================| 1.1 kB    00:00
base                      100% |=========================| 1.1 kB    00:00
Reading repository metadata in from local files
Parsing package install arguments
Resolving Dependencies
--> Populating transaction set with selected packages. Please wait.
---> Downloading header for grip to pack into transaction set.
grip-3.2.0-8.fc4.i386.rpm 100% |=========================|  14 kB    00:00
---> Package grip.i386 1:3.2.0-8.fc4 set to be updated
--> Running transaction check
--> Processing Dependency: libid3-3.8.so.3 for package: grip
--> Restarting Dependency Resolution with new changes.
--> Populating transaction set with selected packages. Please wait.
---> Downloading header for id3lib to pack into transaction set.
id3lib-3.8.3-12.fc4.i386. 100% |=========================|  38 kB    00:00
---> Package id3lib.i386 0:3.8.3-12.fc4 set to be updated
--> Running transaction check

Dependencies Resolved

=============================================================================
 Package                 Arch       Version          Repository        Size
=============================================================================
Installing:
 grip                    i386       1:3.2.0-8.fc4    extras            436 k
Installing for dependencies:
 id3lib                  i386       3.8.3-12.fc4     extras            753 k

Transaction Summary
=============================================================================
Install      2 Package(s)
Update       0 Package(s)
Remove       0 Package(s)
Total download size: 1.2 M
Downloading Packages:
(1/2): grip-3.2.0-8.fc4.i 100% |=========================| 436 kB    00:07
(2/2): id3lib-3.8.3-12.fc 100% |=========================| 753 kB    00:13
Running Transaction Test
Finished Transaction Test
Transaction Test Succeeded
Running Transaction
  Installing: id3lib                       ######################### [1/2]
/sbin/ldconfig: File /usr/lib/libgcj.so.6.0.0.#prelink#.bgmJS2 is empty, not checked.
  Installing: grip                         ######################### [2/2]

Installed: grip.i386 1:3.2.0-8.fc4
Dependency Installed: id3lib.i386 0:3.8.3-12.fc4
Complete!
收录于
Linux

当前文章被收录于：

Linux
7 篇文章 0 人学习
订阅专栏 查看详情
标签
#dependencies #parsing #header #download #processing
#file
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
避坑指南：Vue调用摄像头常见6大报错解决方案（navigator.mediaDevices全兼容方案） 本文深入剖析了在Vue应用中调用摄像头时常见的六大报错，如权限拒绝、设备未找到等，并提供了基于navigator.mediaDevices的全兼容解决方案。内容涵盖从HTTPS环境配置、浏览器兼容性处理到摄像头资源管理与高级错误处理，旨在帮助开发者构建稳定可靠的企业级摄像头应用。 阅读详情

相关推荐

FileZilla Server 1.2.0 TLS证书过期问题

FileZilla Server TLS证书过期后重新生成

Wigle的备忘录 7525

Fedora Core 4安装图解

Fedora Core 4安装图解 1.linux中的硬件设备号 在linux系统中，几乎所有的硬件设备文件都在/dev目录中。 设备 Linux内的设备号 IDE硬盘 /dev/hd[a~d] SCSI硬盘 /dev/sd[a~p] U盘 /dev/sd[a~p](与SCSI硬盘一样) CDROM /...

weixin_33906657的博客 268

影刀初级考试操作题2

题型E主要考察了Excel的操作，总体上难度不大，流程也很少。有些细节地方比如是追加还是覆盖，多试几次就没问题了。

weisili2012的博客 1万+

Fedora core 4使用手记

有感而发：如果你用惯了windows界面，再在去用Linux的界面，你会气得快疯掉的。虽然Linux的界面比以前进步很多，看上去也快接近WinXP的水平，但是很不稳定，很多问题，足以把你气得吐血。X Window也许理论设计上确实优于windows，但是实际使用上，恐怕只能在Windows后面追吧。忠告：宁愿去忍受command line，不要去忍受界面了，因为这个绝对是稳定的，运行与不运行，

james的专栏 800

Redmi K30 5G刷 LineageOS17.1

前言 买手机前就观望了Xdr论坛，看Redmi K30 5G有LineageOS17.1的Rom并且还挺热，应该还不错，就入手了。晚上就刷机了。买了小米就是为了折腾，为发烧而生。 在开始前还请先安装adb工具，因为我自己是做Android开发的，自带adb，不会安装的可以百度“Android安装adb工具”。还有下载刷机文件：百度云 密码:2a0f 刷机的系统是刚买来的低版本，没有升级过Rom，如果高版本慎刷。 还有这个Rom是5G版本的，4G版本的不要刷。 建议没有刷过机器的最好不要尝试，变砖后果自负。

u010436867的博客 1万+

C51：PWM+舵机角度控制

PWM，英文名Pulse Width Modulation，是脉冲宽度调制缩写，它是通过对一系列脉冲的宽度进行调制，等效出所需要的波形（包含形状以及幅值），对模拟信号电平进行数字编码，也就是说通过调节占空比的变化来调节信号、能量等的变化，占空比就是指在一个周期内，信号处于高电平的时间占据整个信号周期的百分比，例如方波的占空比就是50%.脉冲宽度调制通过占空比编码模拟信号一个周期内，高电平占据时长的百分比如下图所示，最便宜的舵机sg90，常用三根或者四根接线，黄色为PWM信号控制。

qq_73379310的博客 3388

Fedora core 4下营造自己精彩桌面世界三步曲

本文转自CU：http://bbs.chinaunix.net/viewthr ... 1%26filter%3Ddigest 作者CU ID：guangdong =================================== 离开LINUX一年了，回来大家都用FC4,今天闲着没事，试试安装。当然很多朋友都写了经验，我不过的与大家分享一下，以免多走弯路。如果大家转载请注明来源，这可是我三

天大地大 1667

目标检测: yolo26在RK3588上部署

YOLO26发布：端到端目标检测新突破 摘要：Ultralytics最新发布的YOLO26算法采用原生端到端设计，无需NMS后处理，显著提升推理效率。该模型基于三大核心原则： 简洁性：消除NMS步骤，实现直接预测 部署效率：简化集成流程，降低延迟 训练创新：引入MuSGD混合优化器，加速收敛 部署教程显示，YOLO26可适配RK3588等边缘设备，通过ONNX转换和RKNN工具链实现高效部署。其创新架构特别优化了分割、姿态估计等专业任务，标志着目标检测技术的重要革新。 （字数：149）

qianxun 1444

Fedora 下安装 Net-SNMP和snmp-cmds库

# yum install net-snmp net-snmp-libs net-snmp-utils # pip install snmp-cmds

allway2的博客 299

用 C# 快速构建一套可扩展的上位机框架（实战+源码思想）

本文介绍了一套基于C#的工业上位机开发框架设计方案。该框架通过模块化设计解决了上位机开发中的常见痛点，包括协议适配、通信管理、UI绑定等问题。核心架构采用分层设计，包含协议接口层、调度器层、通信抽象层和UI层，支持MVVM模式。框架提供了协议插件化扩展能力，通过JSON配置实现设备协议定义，同时封装了日志管理、异常处理等基础功能。该方案具有快速搭建、协议驱动、UI分离等特点，可显著提升上位机开发效率，适用于串口、TCP等多种通信场景，并能快速适配新设备协议。

这里只有干货：从 Modbus 通信到 MES 对接，从 YOLO 训练到工控机部署，带你搞定工业软件开发全流程。 884

[CSP-X2025山东小学组T4]勇者斗恶龙

[CSP-X2025山东小学组T4]勇者斗恶龙，动态规划

少儿编程乔老师 150

Fedora Core 4 Linux 安装下载工具Wxdfast

        终于可以畅游在Linux的海洋中了,幻想着用Linux上网、打游戏、写程序，哎我的梦啊。要想实现以上的梦想必须有相应的软件更重要的是必须有一个可以下软件的软件，什么呀？FlashGet、NetAnt呗不过可惜的是在Linux上至今还没有它们两个的身影。于是便用gg一通海搜，还真发现不少像样的下载工具。因为先前接触过Python语言知道有个用C写的wxwidgets类库，那么Wxdf

火星仁的专栏 2426

基于simulink的自动紧急制动系统(AEB)的功能验证

本文手把手指导使用Simulink构建自动紧急制动系统(AEB)模型，通过五个关键步骤完成功能验证：1)搭建车辆动力学模型；2)设计雷达传感器模型；3)开发基于碰撞时间(TTC)的决策逻辑；4)设计标准化测试场景；5)进行仿真分析。重点讲解了AEB的多级触发机制（预警、辅助制动、自动制动）和核心指标验证方法，包括制动时机判断、减速度性能等。通过典型场景仿真，展示了AEB如何在2.5秒TTC触发预警，1.2秒TTC启动自动制动，有效避免碰撞。文章还展望了行人AEB、传感器融合等进阶研究方向，为自动驾驶安全系统

amy_mhd的博客 267

Fedora Core 4 安装后优化

Fedora Core 4 Tips and Tricks (v0.6) Last modified: Tuesday January 24, 2006 This is based on my Fedora Core 3 Tips and Tricks page. Just getting started here, comments welcome. Recent changes ar

汪洋专栏 1665

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")

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

Personal Fedora Core 4 Installation Guide

Personal Fedora Core 4 Installation GuideMauriat Miranda (http://www.mjmwired.net/contact.php)Other Guides/ResourcesPublished: 11 April 2005 (updated: 8 December 2005)

汪洋专栏 5165

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

Fedora Core 4 Release 安装手记

刚刚下载完FC4，安装完了，现在把我安装的大体经过写一下，仅供参考。 一，硬盘安装： 1.下载 iso文件： FC4-i386-DVD.isohttp://download.fedora.redhat.com/pub/fedora/linux/core/4/i386/iso/FC4-i386-DVD.iso 放在一个 fat32 或ext3分区上，我是：Windows Xp+ Fedora Cor

yethyeth的专栏 1219

Fedora 4.0播放机支持mp3、wma的解决办法

由于mp3的版权的事，Fedora core 4.0 没有支持mp3的播放；所以还得特别对待一下； 在Linux中支持mp3播放工具很多，常用的是xmms，bmp-mp3等；一、安装的前提条件；请参看《用apt+synaptic 在线安装或升级Fedora core 4.0 软件包》；

seinbar的专栏 1199

Fedora Core 6 播放器xmms和mplayer安装

大体是使用升级安装 1.首先在http://ayo.freshrpms.net/上下载freshrpms-release-1.1-1.fc.noarch.rpm [root@localhost li]# rpm -ivh freshrpms-release-1.1-1.fc.noarch.rpm warning: freshrpms-release-1.1-1.fc.noarch.rpm: Hea

SkyPirate的专栏 1088

我的Fedora Core 3安装笔记

我的Fedora Core 3这一次的目的是完全抛弃windows—如果我有正版的话，我还是会留一个分区给他的。我有吗？没有，所以先格式化而后快…首先在我的台机上实验.台机配置：CPU:AMD Athlon 1.0GRAM:392M SDRAMHDD:40GSND:Sound Blaster Vibra 128VideoCard:7200一、初步安装Fedora Core 3一共9张盘，其中4张安

hellwolf：狼的世界（已废弃) 2173

Fedora Core 4技巧与窍门

⒈添加软件仓库：Fedora 本身已经带了大量的软件，但是仍然有许多用户感兴趣的软件包没有包括在内，其中就包括mp3插件等。现在推荐的升级方式是使用yum，但是你也可以使用Gnome工具栏上的RHN标记，用up2date升级。当然还有apt。在添加软件仓库之前建议首先进行完整的升级。以下是现在可以添加的软件仓库：①livnaCODE:# rpm -ihv http://rpm.livna.org/

Andrew Wang的专栏 1703

Fedora Core 5 Tips and Tricks (v1.0)

From: http://www.gagme.com/greg/linux/fc5-tips.php================================================= Last modified: Tuesday June 5, 2007 This is based on my Fedora Core 4 Tips and Tricks page. Thi

Newweapon's Trace 1110

Fedora 4.0 播放机支持mp3、wma的解决办法；

作者：北南南北 来自：LinuxSir.Org 提要：由于mp3的版权的事，Fedora core 4.0 没有支持mp3的播放；所以还得特别对待一下； 在Linux中支持mp3播放工具很多，常用的是xmms，bmp-mp3等； ++++++++++++++++++

386

Fedora Core 4 Release 安装手记(转)

Fedora Core 4 Release 安装手记(转)[@more@]下载链接可能已经失效了，请大家另找链接转文：刚刚下载完FC4，安装完了，现在把我安装的大体经过写一下，仅供参考。一，硬盘安装：1.下载 iso文件：FC4...

198

Fedora Core下声卡驱动全功略(转)

Fedora Core下声卡驱动全功略(转) 　　1.了解你的声卡 　　声卡如同计算机的喉舌和耳朵，负责计算机音频的输入、信号转换、输出的工作，有了声卡，我们才能通过电脑欣赏美妙的音乐，才能对着话筒怒吼。99年后，随着计算机...

cuemes08808的博客 740

up2date你的Fedora Core 2(转)

up2date你的Fedora Core 2(转)[@more@]供参考学习。终于抵挡不住2.6.x内核的诱惑,将自己笔记本上的Fedoar Core 1升级到Fedora Core 2了. FC2给我的第一个惊喜是,我在英文l...

207

Fedora Core3的中文美化和xmms播放mp3解决方案

1、复制winxp下的simsun.ttc到linux字体目录#cp simsun.ttc /usr/share/fonts/zh_CN/TrueType/simsun.ttf2、创建字体索引信息#fc-cache /usr/share/fonts/zh_CN/TrueType/（打开firefox，菜单-》编辑-》首选项-》左侧点“基本信息”后，选项“字体和信息...”进入，语言编码选“简体中文

seinbar的专栏 1657

重新配置Fedora 7(FC7)

重新配置FC7的一些心得体会 上个学期终于下令决心把我辛苦配置了好的FC7删除生装了，学校的网络很不方便，重装了FC7后一直没对FC7的影音方面进行配置，今天对FC7的影音进行配置，以下是我进行配置的一些要点，把这些心得做个笔记，仅供自己参考。 1.上网的设置我们学校采用的是拨号上网的方式连接Internet的，对拨号上网的的...

weixin_33695082的博客 164
上一篇： Fedora Core 4 使用手记(四) 使用NTFS格式的USB移动硬盘
下一篇： Fedora Core 4 使用手记(六) 安装Reaplayer
点赞 0
评论 0
书签 书签 0
redbeans
redbeans
博客等级 码龄25年 3粉丝 29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