推荐:D3D9On12 - 让Direct3D 9在DirectX 12上焕发新生
项目介绍
D3D9On12是一个神奇的映射层,它将Direct3D 9(简称D3D9)的图形命令转换为Direct3D 12(简称D3D12)。这不是一个简单的D3D9 API实现替换,而是一个对D3D9用户模式DDI(设备驱动接口)的实现。这意味着它不是一个名为d3d9.dll的二进制文件,而是称为d3d9on12.dll的库。
通过调用Direct3DCreate9On12和Direct3DCreate9On12Ex函数,应用可以选择创建一个D3D9On12设备,而不是传统的D3D9设备。一旦加载了d3d9on12.dll,当应用程序调用渲染命令时,D3D9会验证这些命令,然后将其转换为D3D9 DDI,再发送给D3D9On12。D3D9On12会将这些命令转化为D3D12 API调用,并由D3D12运行时进一步验证,包括可能启用的D3D12调试层,最终传递给D3D12驱动。
项目技术分析
D3D9On12是一个“启蒙”版的D3D9驱动,与传统驱动相比,它在多个点接收额外信息。这使得它不仅能提供API级信息给D3D12,还能支持轻量级共享和同步场景。设备创建后,会暴露一个IDirect3DDevice9On12接口,允许应用程序同时向D3D9 API和D3D12 API提交工作。
要了解更多关于D3D9On12的详细信息,请参考:
应用场景
D3D9On12是为那些依赖D3D9技术但想要利用D3D12高性能特性的应用程序设计的。它可以用于:
- 老旧游戏或应用程序的现代化升级,无需修改源代码。
- 在需要D3D9兼容性的同时充分利用现代硬件的性能。
- 游戏引擎和图形研究中的过渡和桥接。
项目特点
- 透明迁移:D3D9On12作为中间层,允许D3D9应用无缝地在D3D12硬件上运行。
- 性能提升:通过D3D12的低级控制,可以提高内存管理效率和多线程性能。
- 兼容性保证:尽管如此,仍尽力保持与原生D3D9的兼容性。
- 社区参与:开源特性鼓励开发者贡献修复和优化,改善Windows 10的稳定性和性能。
构建与使用
构建D3D9On12需要安装Windows Driver Kit(WDK),并使用CMake进行配置。此外,为了本地测试和实验,你可以覆盖操作系统的D3D9On12版本,但不建议在生产环境中这样做。
开源价值
微软选择开源D3D9On12是为了推动社区贡献,改进稳定性,同时也是作为使用D3D12TranslationLayer库的一个示例。
总而言之,D3D9On12是一个极具潜力的项目,它让老旧的D3D9代码得以继续在现代图形技术中闪耀。对于开发者来说,这是一个探索和利用新技术的宝贵资源,也是一项能为整个Windows生态贡献力量的机会。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0188
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08