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。
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。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00