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 StartedRust0213
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
776
5.08 K
Ascend Extension for PyTorch
Python
756
963
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
874
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
184
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
364
431