1. DirextX是一套图形编程的API,它内部实现基于的是WDDM (windows display driver model)。WDDM的主要功能包括:图形功能的核心实现,显存管理,GPU调度和各种3D功能。

2. WDDM1.0是Vista引入的。从它开始,才支持显存虚拟化、GPU调度这些对物理内存和CPU老早就有的机制。

3. 显卡的驱动包括用户态(*.sys)和内核态(*.dll)。

4. Windbg对于内核态debug非常好用;用户态下,也值得一试(张银奎的demo)。用Windbg调试挖地雷,在例子中:挖地雷用的是Dx9的API,pc上装的Dx11,然后显卡支持Dx10。Remote Debugging是必须的,因为调试内核态是不能pause当前pc的OS的。

5.  Dx11引入了很多新的有价值的特性:严格的Dx10超集;Shader Model 5.0;Tessellation;Direct Compute。

6. 从Dx10开始,要求显卡硬件厂商必须全部实现了一个Ms规定的Feature list才能标称支持一个版本的Dx。Dx10之前,显卡声称支持某个DxXX,其实只是支持了一部分feature,这就对Dev编程造成了很多问题。ID3d11Device::GetFeatureLevel来检查硬件级别。

7. Dx11的兼容模式:让应用程序既可以在Dx10/11硬件上运行,也可以在Dx9硬件上运行。我们的代码,在于Dx运行时接口的部分,编写两套代码:针对Dx9;针对Dx11。由于Dx11是Dx10的严格超集,所以,Dx10的硬件直接调用Dx11的那套代码是没有任何问题的。

8. Dx11的tessallation:

切分三角面片对于图形显示非常重要。对于游戏和三维图形软件来说,是实时render;对于电影来说,则是离线render。 离线render,可以按帧渲染,所以,可以无限切分三角面片来获得最佳显示效果。而实时render,则必须要平衡切分程度和render性能的问题。Tessellation的作用在于从GPU level对游戏或三维软件切分后的mesh数据进一步切分,从而获得更好的显示效果并平衡性能的损耗。

转载于:https://www.cnblogs.com/taoxu0903/archive/2010/07/11/1775143.html

DirextX Training笔记相关推荐

  1. android training 笔记

    Activity:一般情况下,您不得使用 onPause() 永久性存储用户更改(比如输入表格的个人信息). 只有在您确定用户希望自动保存这些更改的情况(比如,电子邮件草稿)下,才能在 onPause ...

  2. 论文笔记 OHEM: Training Region-based Object Detectors with Online Hard Example Mining

    CVPR2016的文章,CMU与rbg大神的合作.原谅我一直没有对这篇文章做一个笔记~~ 文章提出了一种通过online hard example mining(OHEM)算法训练基于区域的卷积检测算 ...

  3. AAAI2018-Long Text Generation via Adversarial Training with Leaked Information论文笔记

    这篇文章主要是名为 LeakGAN 的模型结构,同时处理 D 反馈信息量不足和反馈稀疏的两个问题.LeakGAN 就是一种让鉴别器 D 提供更多信息给生成器 G 的新方式,我自己的笔记: 转自:htt ...

  4. Semi-Supervised Semantic Segmentation with Cross-Consistency Training论文笔记

    文章标题:Semi-Supervised Semantic Segmentation with Cross-Consistency Training 文章地址:https://arxiv.org/ab ...

  5. FasterMoE:Modeling and Optimizing Training of Large-Scale Dynamic Pre-Trained Models阅读笔记

    FasterMoE:Modeling and Optimizing Training of Large-Scale Dynamic Pre-Trained Models FasterMoE阅读笔记 b ...

  6. Spatio-Temporal Backpropagation for Training High-performance Spiking Neural Networks笔记

    <Spatio-Temporal Backpropagation for Training High-performance Spiking Neural Networks>笔记 ABST ...

  7. 《Improved Techniques for Training GANs》-论文阅读笔记

    <Improved Techniques for Training GANs>-论文阅读笔记 文章目录 <Improved Techniques for Training GANs& ...

  8. DN-DETR: Accelerate DETR Training by Introducing Query DeNoising阅读笔记

    DN-DETR阅读笔记 (一) Title (二) Summary (三) Problem Statement (四) Methods (五) Experiments 5.1 实验设置 5.2 实验结 ...

  9. 台湾大学林轩田机器学习基石课程学习笔记5 -- Training versus Testing

    红色石头的个人网站:redstonewill.com 上节课,我们主要介绍了机器学习的可行性.首先,由NFL定理可知,机器学习貌似是不可行的.但是,随后引入了统计学知识,如果样本数据足够大,且hypo ...

  10. Batch normalization:accelerating deep network training by reducing internal covariate shift的笔记

    说实话,这篇paper看了很久,,到现在对里面的一些东西还不是很好的理解. 下面是我的理解,当同行看到的话,留言交流交流啊!!!!! 这篇文章的中心点:围绕着如何降低  internal covari ...

最新文章

  1. 为什么说 SQL 是最成功的第四代语言?
  2. hdu 3879(最小割模型求解最大权闭合图)
  3. OpenCV iOS Hello World应用程序
  4. having and group by
  5. Problem I: 打印金字塔
  6. android 多布局
  7. java基本特性_Java面试总结之Java基础
  8. 在CentOS7环境下部署TiDB
  9. React子组件怎么改变父组件的state
  10. HDU2516 取石子游戏
  11. Microsoft SQL Server 自定义函数整理大全
  12. keras遥感图像Unet语义分割(支持多波段多类)
  13. 前端页面预览word_html页面在线预览word
  14. 关于微信网页授权的用法
  15. Python:1004 成绩排名
  16. QHeaderView 表头设置QWidget控件
  17. android 代码设置密码,android-如何在MIFARE Ultralight EV1标签上设置和取消设置密码?...
  18. java万年历的设计总结_java万年历设计报告
  19. Word中去掉各种标记符号
  20. 如果去掉若依分离版本浏览器上面的标题和首页的若依管理系统字眼(去若依化四)

热门文章

  1. 一道关于SVM的机器学习作业题
  2. Java数据结构和算法-图
  3. 百度的疯狂 UC的隐忍
  4. 中国34个省未来发展趋势深度分析
  5. PS CC2019安装教程
  6. 个税汇算清缴是怎么算的,为何有人补税几百,有人退税几千?
  7. python dataframe isin,使用多个条件获取新的数据帧pd.Dataframe.isin()
  8. codevs2069 油画 — 动态维护优先队列
  9. psi-pred安装及预测蛋白质二级结构
  10. 关于linux网络编程的项目,linux网络编程入门