探索图形渲染新境界:Amber - 高级着色器测试框架
2024-05-31 23:53:29作者:董斯意
项目介绍
Amber是一个强大的多API着色器测试框架,简化了图形编程中的错误捕获和测试流程。无需直接编写图形API代码,支持Vulkan并正在开发对Dawn的支持。通过简单的文本字符串或文件,就能定义一个完整的图形API管道测试案例,包括输入数据、着色器和预期结果。
项目技术分析
Amber的核心特性在于其易用的脚本语言——Amberscript和VkScript(用于历史兼容性)。无论您是经验丰富的开发者还是初学者,都能快速上手。
- Amberscript 是一种新的高级语法,能够以文本形式表达复杂的图形测试场景,包括缓冲区、图像和着色器。
- VkScript 基于VkRunner,对于熟悉该格式的用户仍然可用,但新的功能将主要在Amberscript中实现。
此外,Amber支持多种级别的着色语言,从SPIR-V汇编到更高级的着色器语言,方便各种技能水平的开发者使用。
项目及技术应用场景
Amber适用于以下场景:
- 软件验证:在推出新图形特性时,快速有效地测试和调试。
- 教育工具:学习图形API和着色器编程时,提供易于理解的实例。
- 性能基准测试:评估硬件对不同图形任务的处理能力。
- 兼容性检查:检测跨平台的图形API兼容性和一致性问题。
项目特点
- 无编程需求:通过简单脚本定义测试,无需直接编程Vulkan或其他图形API。
- 多API支持:目前支持Vulkan,即将支持Dawn,适应不同场景的需求。
- 灵活的着色器表示:可使用二进制、SPIR-V汇编或高阶着色语言。
- 可保存结果:执行后能将结果缓冲区和图像保存为输出文件,便于分析和比较。
操作示例
下面是一个简单的Amberscript例子,用于清空帧缓存:
SHADER vertex vtex_shader PASSTHROUGH
SHADER fragment frag_shader GLSL
#version 430
layout(location = 0) in vec4 color_in;
layout(location = 0) out vec4 color_out;
void main() {
color_out = color_in;
}
END
BUFFER img_buf FORMAT B8G8R8A8_UNORM
PIPELINE graphics my_pipeline
ATTACH vtex_shader
ATTACH frag_shader
FRAMEBUFFER_SIZE 256 256
BIND BUFFER img_buf AS color LOCATION 0
END
CLEAR my_pipeline
EXPECT img_buf IDX 0 0 SIZE 256 256 EQ_RGBA 0 0 0 0
开始使用Amber
要构建并运行Amber,确保安装Git、CMake(版本3.7+)、Ninja和Python,然后按照提供的步骤进行操作:
git clone https://github.com/google/amber.git
cd amber
./tools/git-sync-deps
mkdir -p out/Debug
cd out/Debug
cmake -GNinja ../..
ninja
Amber还提供了Android平台的构建选项,以及针对不同GPU后端的配置。
总之,Amber是一个高效的图形API测试工具,它的简洁性和灵活性使得测试工作变得更加高效。无论是开发人员想要验证新功能,还是教学过程中创建实例,Amber都是您的理想选择。现在就加入社区,体验图形编程的新维度!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210