ffmpeg 是可以使用 nvidia 加速的。但这个仅对 ffmpeg 编解码视频有用。只有当你使用 ffmpeg 编解码大量高清长视频时才有用。

参考文档

https://trac.ffmpeg.org/wiki/HWAccelIntro

https://docs.nvidia.com/video-technologies/video-codec-sdk/ffmpeg-with-nvidia-gpu/

文章目录

安装 nvidia-460 + cuda-11.2
安装 ffnvcodec 头文件
编译 ffmpeg
测试

安装 nvidia-460 + cuda-11.2

参考这篇文章

安装 ffnvcodec 头文件

头文件和库文件会安装在 /usr/local/。

git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git
cd nv-codec-headers
make
sudo make install

为了能在 /usr/local/lib 中找到 pkgconfig，添加环境变量。

vim ~/.bashrc
# 文件末尾添加
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
# 使之生效
source ~/.bashrc

编译 ffmpeg

以 ffmpeg-4.3.1 为例。

http://ffmpeg.org/releases/ffmpeg-4.3.1.tar.gz
tar -zxf ffmpeg-4.3.1.tar.gz
cd ffmpeg-4.3.1
mkdir build && cd build
./../configure --prefix=/usr/local/ffmpeg --enable-shared --enable-nonfree --enable-cuda-nvcc --enable-cuda-llvm --enable-libnpp --extra-cflags=-I/usr/local/cuda/include --extra-ldflags=-L/usr/local/cuda/lib64

如果 configure 失败并报告 cuda-nvcc 出错，查看编译日志

vim ffbuild/config.log

如果文件末尾说是因为计算能力不匹配导致，那么修改 configure 文件。在文件内搜索 30，找到如下内容。把 30 改为自己 GPU 的计算能力。

<<<<<<<<<<<
if enabled cuda_nvcc; thennvcc_default="nvcc"nvccflags_default="-gencode arch=compute_30,code=sm_30 -O2"
else
>>>>>>>>>>>
if enabled cuda_nvcc; thennvcc_default="nvcc"nvccflags_default="-gencode arch=compute_61,code=sm_61 -O2"
else

重新 configure，将会看到所有的硬件加速

External libraries providing hardware acceleration:
cuda                    cuvid                   nvdec                   vaapi
cuda_llvm               ffnvcodec               nvenc                   vdpau
cuda_nvcc               libnpp                  v4l2_m2m

现在可以编译了

make
sudo make install

在 ~/.bashrc 中添加环境变量

vim ~/.bashrc
# 文件末尾添加
export PATH=/usr/local/ffmpeg/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/ffmpeg/lib:$LD_LIBRARY_PATH
# 使之生效
source ~/.bashrc

测试

you can use NVENC:

ffmpeg -i input -c:v h264_nvenc -profile high444p -pixel_format yuv444p -preset default output.mp4

Sample decode using CUDA:

ffmpeg -hwaccel cuda -i input output

Sample decode using CUVID:

ffmpeg -c:v h264_cuvid -i input output

Full hardware transcode with NVDEC and NVENC:

ffmpeg -hwaccel cuda -hwaccel_output_format cuda -i input -c:v h264_nvenc -preset slow output

If ffmpeg was compiled with support for libnpp, it can be used to insert a GPU based scaler into the chain:

ffmpeg -hwaccel_device 0 -hwaccel cuda -i input -vf scale_npp=-1:720 -c:v h264_nvenc -preset slow output.mkv

[FFmpeg] nvidia 加速 ffmpeg相关推荐

FFMPEG NVIDIA硬件加速总结
目录 1.NVDIA概述 2.FFmpeg集成到GPU 3.FFmpeg uses Video Codec SDK 4.ffmpeg对NVIDIA GPU的编译步骤 4.1configure命令 4. ...
[FFMPEG硬件加速]nvidia方案
1.目标 <1>显卡性能参数: <2>方案可行性: 2.平台信息 2.1.查看当前显卡信息命令: lspci |grep VGA 信息: 01:00.0 VGA com ...
ffmpeg Nvidia硬件加速总结
0. 概述 FFmpeg可通过Nvidia的GPU进行加速,其中高层接口是通过Video Codec SDK来实现GPU资源的调用.Video Codec SDK包含完整的的高性能工具.源码及文档,支 ...
NVIDIA GPU加速FFmpeg
一.参考资料使用GPU硬件加速FFmpeg视频转码二.重要指令查看支持的硬件加速选项 ffmpeg -hwaccels 查看cuvid提供的GPU编解码器 ffmpeg -codecs | gr ...
FFmpeg 硬件加速方案概览（下）
被称为"多媒体技术领域的瑞士军刀",FFmpeg拥有广泛的应用基础.不过,当(实时)处理海量视频时,需要借助各种方法提升效率.比如,短视频平台Revvel将视频转码服务迁移到AWS ...
ffmpeg 分辨率压缩_用GPU加速FFmpeg中的超分辨率功能
1. 简要回顾首先简单复述一下FFmpeg中对深度学习的支持情况,如上图所示,FFmpeg在libavfilter中支持基于深度学习的filter,目前已经支持sr, derain和dnn_proc ...
使用GPU硬件加速FFmpeg视频转码
最近看了些视频处理相关的文章,这里有一篇是讲如何使用Nvidia显卡为视频的编解码进行加速的, 为了方便查阅就转载了: 本文内容包括: 在Linux环境下安装FFmpeg 通过命令行实现视频格式识别和 ...
用GPU加速FFmpeg中的超分辨率功能
1. 简要回顾首先简单复述一下FFmpeg中对深度学习的支持情况,如上图所示,FFmpeg在libavfilter中支持基于深度学习的filter,目前已经支持sr, derain和dnn_proc ...
从 FFmpeg 性能加速到端云一体媒体系统优化
简介:7 月 31 日,阿里云视频云受邀参加由开放原子开源基金会.Linux 基金会亚太区.开源中国共同举办的全球开源技术峰会 GOTC 2021 ,在大会的音视频性能优化专场上,分享了开源 FFmp ...

[FFmpeg] nvidia 加速 ffmpeg

文章目录

安装 nvidia-460 + cuda-11.2

安装 ffnvcodec 头文件

编译 ffmpeg

测试

[FFmpeg] nvidia 加速 ffmpeg相关推荐

最新文章

热门文章