D9VK 项目使用教程
2024-09-23 00:30:46作者:邓越浪Henry
1. 项目介绍
D9VK 是一个基于 DXVK 后端的 Direct3D9 到 Vulkan 的转换层。它允许在 Linux 系统上使用 Wine 运行 Direct3D9 应用程序。D9VK 已经并入 DXVK 项目,继续在该项目中进行开发。
2. 项目快速启动
2.1 安装依赖
在开始之前,确保你已经安装了以下依赖:
- Wine 3.10 或更新版本
- Meson 构建系统(至少版本 0.46)
- MinGW64 6.0 编译器和头文件
- glslang 编译器
2.2 下载项目
git clone https://github.com/Joshua-Ashton/d9vk.git
cd d9vk
2.3 构建项目
2.3.1 简单方式
./package-release.sh master /your/target/directory --no-package
这将在 /your/target/directory 目录下创建一个名为 dxvk-master 的文件夹,其中包含 32 位和 64 位的 DXVK 版本。
2.3.2 手动编译
# 64 位构建
meson --cross-file build-win64.txt --buildtype release --prefix /your/dxvk/directory build-w64
cd build-w64
ninja install
2.4 安装到 Wine 前缀
export WINEPREFIX=/path/to/wine-prefix
./setup_dxvk.sh install
这将把 DLL 文件复制到 Wine 前缀的 system32 和 syswow64 目录中,并设置所需的 DLL 覆盖。
2.5 卸载
export WINEPREFIX=/path/to/wine-prefix
./setup_dxvk.sh uninstall
3. 应用案例和最佳实践
3.1 游戏运行
D9VK 主要用于在 Linux 上运行 Direct3D9 游戏。例如,使用 D9VK 可以流畅运行《GTA: San Andreas》、《Max Payne 2》等经典游戏。
3.2 性能优化
- 使用符号链接:在开发过程中,可以使用符号链接而不是复制 DLL 文件,以便更快地进行测试和调试。
- 禁用 DXGI:如果同时使用 vkd3d 和 DXVK,可以禁用 DXVK 的 DXGI 实现,以避免冲突。
4. 典型生态项目
4.1 DXVK
DXVK 是 D9VK 的基础项目,它是一个基于 Vulkan 的 Direct3D 10/11 转换层,允许在 Linux 上使用 Wine 运行 Direct3D 10/11 应用程序。
4.2 Wine
Wine 是一个兼容层,允许在 Linux 和其他操作系统上运行 Windows 应用程序。D9VK 和 DXVK 都是基于 Wine 的项目,用于增强其对 Direct3D 应用程序的支持。
4.3 Vulkan
Vulkan 是一个跨平台的图形和计算 API,提供了对现代 GPU 的低开销访问。D9VK 和 DXVK 都利用 Vulkan 来实现高性能的 Direct3D 转换。
通过以上步骤,你可以轻松地在 Linux 系统上使用 D9VK 运行 Direct3D9 应用程序,并享受其带来的性能提升。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
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++
893
677
暂无简介
Dart
802
199
openEuler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。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781