DirectXShaderCompiler 对 SPIR-V KHR_compute_shader_derivatives 扩展的支持分析
在图形编程领域,计算着色器(Compute Shader)的导数功能是一个重要的特性,它允许开发者在计算着色器中使用导数相关的内置函数。微软的DirectXShaderCompiler(DXC)项目作为HLSL到SPIR-V的编译器,近期对其支持的导数扩展进行了重要更新。
目前DXC编译器在SPIR-V后端实现中存在一个关键问题:它默认使用的是NVIDIA提供的SPV_NV_compute_shader_derivatives扩展,而非Khronos Group标准化的SPV_KHR_compute_shader_derivatives扩展。这两个扩展在功能上是完全相同的,但使用NV扩展会导致代码无法在仅支持KHR扩展的GPU设备上运行。
这个问题源于编译器在生成SPIR-V代码时,会显式地添加OpExtension "SPV_NV_compute_shader_derivatives"指令。虽然功能相同,但这种硬编码方式限制了代码的兼容性。理想情况下,编译器应该优先使用标准的KHR扩展,就像它在处理光线查询(Ray Query)功能时所做的那样——同时支持NVIDIA和Khronos的扩展,但默认使用标准扩展。
这个问题的解决方案相对简单直接,只需要修改编译器代码,将默认的扩展声明从NV变更为KHR版本。这种变更不会影响功能实现,但能显著提高生成代码的跨平台兼容性。考虑到现代图形API如Vulkan的跨平台特性,支持标准扩展而非厂商特定扩展是一个更合理的选择。
对于开发者而言,这个改进意味着他们编写的HLSL着色器代码可以更广泛地运行在不同厂商的GPU硬件上,而不需要担心导数功能的兼容性问题。这也符合图形编程社区向标准化、跨平台解决方案发展的趋势。
从技术实现角度看,这个变更主要涉及:
- 修改编译器识别和声明扩展的方式
- 更新相关的扩展名称常量
- 确保测试用例覆盖新的扩展行为
这种改进虽然看似微小,但对于提升DXC编译器作为跨平台HLSL编译解决方案的成熟度和可靠性具有重要意义。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00