Slang编译器中的SPIR-V能力混合问题解析
2025-06-17 19:35:18作者:齐冠琰
在Slang编译器项目中,开发者发现了一个关于SPIR-V能力声明与扩展使用的有趣现象。当处理包含计算着色器导数操作的代码时,编译器会生成混合使用KHR能力和NV扩展的SPIR-V输出。
问题背景
在SPIR-V规范中,计算着色器导数功能最初是通过NV扩展SPV_NV_compute_shader_derivatives引入的。后来,Khronos集团将其标准化为KHR扩展SPV_KHR_compute_shader_derivatives。这两种扩展实际上是等价的,只是代表了不同阶段的标准化过程。
现象描述
当编译包含计算着色器导数操作的代码时,Slang编译器会生成以下SPIR-V指令:
OpCapability ComputeDerivativeGroupQuadsKHR
OpExtension "SPV_NV_compute_shader_derivatives"
这种混合使用KHR能力声明和NV扩展字符串的情况虽然技术上正确,但可能会让开发者感到困惑,特别是那些不了解SPIR-V扩展历史背景的人。
技术分析
这种现象的出现有两个主要原因:
-
编译器实现历史:Slang编译器在KHR扩展正式批准前就已经实现了相关功能,当时使用的是NV扩展。后来虽然添加了KHR支持,但保留了向后兼容性。
-
硬编码的扩展字符串:Slang编译器内部硬编码了扩展字符串,而不是从SPIRV-Headers动态解析。这意味着即使SPIRV-Headers更新了扩展信息,编译器也不会自动获取最新版本。
解决方案
项目维护者已经确认这是一个需要修复的问题。解决方案包括:
- 更新编译器代码,统一使用KHR扩展字符串
- 确保能力声明和扩展字符串的一致性
- 考虑未来从SPIRV-Headers动态获取扩展信息,避免类似问题
对开发者的影响
对于普通开发者来说,这种混合使用不会影响功能,因为两种扩展在功能上是完全等价的。但了解这一现象有助于:
- 更好地理解SPIR-V扩展的演进过程
- 在遇到类似情况时不会产生困惑
- 编写更规范的着色器代码
结论
Slang编译器团队已经意识到这个问题,并计划通过代码更新来解决。这体现了开源项目持续改进的特性,也展示了图形API标准从厂商特定到跨平台标准化的演进过程。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218