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
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 StartedRust0144- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0109
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
730
4.71 K
Ascend Extension for PyTorch
Python
604
774
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
432
388
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++
994
997
昇腾LLM分布式训练框架
Python
163
196
暂无简介
Dart
983
249
Claude 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 Started
Rust
1.08 K
144
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
234
🎉 (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
1.67 K
978
deepin linux kernel
C
29
16