文档章节

Ubuntu 编译ffmpeg 实现GPU 转码

鼎铭
 鼎铭
发布于 04/17 17:00
字数 982
阅读 3639
收藏 72

    前言,公司转码集群服务器资源有限,需要考虑GPU方案,本文记录下整个实现ffmpeg gpu 转码的过程。     

    该文章后续仍在不断的更新修改中, 请移步到原文地址http://dmwan.cc

环境:

DISTRIB_ID=Ubuntu
DISTRIB_RELEASE=16.04
DISTRIB_DESCRIPTION="Ubuntu 16.04.1 LTS"

注意,这里机器启动级别调低,不要加载桌面系统。

本机是2核4G 普通硬盘,gpu 型号:GTX950M

第一部分,安装cuda 8:

    1.1 查看是否有显卡:

lspci | grep -i nvidia

    1.2 查看操作系统是否cuda 官方支持:

uname -m && cat /etc/*release

    1.3 安装gcc g++ 等编译依赖基础库

apt-get install gcc g++ build-essential

    1.4 下载安装cuda

下载cuda:
wget --no-check-certificate https://developer.nvidia.com/compute/cuda/8.0/prod/local_installers/cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64-deb

安装 cuda 源:
dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64-deb

添加源:
deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64 /

更新缓存:
apt-get update

安装cuda:
apt-get install cuda

    1.5 设置环境变量

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc

    1.6 安装官方示例并验证环境

查看驱动信息:
cat /proc/driver/nvidia/version

安装官方示例:
cuda-install-samples-8.0.sh  ./

跑下示例:
cd NVIDIA_CUDA-8.0_Samples/bin/x86_64/linux/release && ./deviceQuery

输出下面内容 Pass为安装成功:

CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 1080"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    6.1
  Total amount of global memory:                 8112 MBytes (8506179584 bytes)
  (20) Multiprocessors, (128) CUDA Cores/MP:     2560 CUDA Cores
  GPU Max Clock rate:                            1734 MHz (1.73 GHz)
  Memory Clock rate:                             5005 Mhz
  Memory Bus Width:                              256-bit
  L2 Cache Size:                                 2097152 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     No
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 3 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GTX 1080
Result = PASS


第二部分,安装ffmpeg

    2.1 安装基础依赖:

apt-get update
apt-get -y install autoconf automake build-essential libass-dev libfreetype6-dev \
  libsdl2-dev libtheora-dev libtool libva-dev libvdpau-dev libvorbis-dev libxcb1-dev libxcb-shm0-dev \
  libxcb-xfixes0-dev pkg-config texinfo zlib1g-dev

    2.2 安装yasm 

apt-get install yasm #版本为1.3

    2.3 安装lib264

apt-get install libx264-dev #版本为148

    2.4 安装libx265(显卡不一定支持265编码)

apt-get install libx265-dev

    2.5 安装 libvpx

apt-get install libvpx-dev #版本为1.5

    2.6 安装 安装libfdk-aac

apt-get install libfdk-aac-dev # 无版本要求

    2.7 安装libmp3lam

apt-get install libmp3lame-dev

    2.8 安装libopus

apt-get install libopus-dev # 1.1.2

第三部分,安装NVENC:

    3.1 安装依赖:

sudo apt-get -y install glew-utils libglew-dbg libglew-dev libglew1.13 \
libglewmx-dev libglewmx-dbg freeglut3 freeglut3-dev freeglut3-dbg libghc-glut-dev \
libghc-glut-doc libghc-glut-prof libalut-dev libxmu-dev libxmu-headers libxmu6 \
libxmu6-dbg libxmuu-dev libxmuu1 libxmuu1-dbg

    3.2 下载ffmpeg

git clone https://github.com/FFmpeg/FFmpeg ffmpeg -b master

    3.3 下载nvidia video sdk

下载地址:https://developer.nvidia.com/nvidia-video-codec-sdk#Download,这里版本8.0, 解压后命名为 nv_sdk, 与ffmpeg 放于同文件夹。

    3.4 移动头文件

cp -r nv_sdk/LegacySamples/common/inc/ /usr/include/

第四部分,编译ffmpeg

编译命令如下:

export PKG_CONFIG_PATH=/usr/lib/x86_64-linux-gnu/pkgconfig
PATH="$HOME/bin:$PATH"   ./configure \
    --bindir="$HOME/bin" \
    --enable-gpl \
    --enable-libass \
    --enable-libfdk-aac \
    --enable-libfreetype \
    --enable-libmp3lame \
    --enable-libopus \
    --enable-libtheora \
    --enable-libvorbis \
    --enable-libvpx \
    --enable-libx264 \
    --enable-libx265 \
    --enable-nonfree \
    --extra-cflags=-I../nv_sdk \
    --extra-ldflags=-L../nv_sdk \
    --extra-cflags="-I/usr/local/cuda/include/" \
    --extra-ldflags=-L/usr/local/cuda/lib64 \
    --disable-shared \
    --enable-nvenc \
    --enable-cuda \
    --enable-cuvid \
    --enable-libnpp 

PATH="$HOME/bin:$PATH" make -j$(nproc)
make -j$(nproc) install
make -j$(nproc) distclean
hash -r

第五部分,转码测试:

ffmpeg -i input.flv -c:v h264_nvenc -c:a aac output.mp4

倍速对比,同样硬件条件下,gpu 提速在7-8倍左右。

frame=21022 fps=398 q=21.0 Lsize=  232698kB time=00:14:36.75 bitrate=2174.2kbits/s dup=137 drop=0 speed=16.6x

播放试了下播放效果,和cpu 播放无明显差别。

© 著作权归作者所有

共有 人打赏支持
鼎铭
粉丝 45
博文 68
码字总数 42542
作品 0
东城
程序员
加载中

评论(25)

haitaosoft
haitaosoft

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?

引用来自“Feng_Yu”的评论

如果显卡性能远远弱于CPU性能的话,真没必要追求GPU编码,还是老老实实的用CPU编码吧,质量和压缩率比GPU有优势的多

引用来自“haitaosoft”的评论

现在就是不知道 很弱的显卡与普通的cpu,在视频这么重复性的工作上,是不是仍然有性能优势。。。。

引用来自“Feng_Yu”的评论

性能上的优势也是高端显卡才有话语权,低端显卡的图形渲染能力比较差,没什么优势。

另外,GPU编码速度快也有一部分牺牲压缩率换来的。所以你的GPU很一般的话,还是考虑上个比较好的CPU走软件编码吧

引用来自“haitaosoft”的评论

关于各种显卡、cpu、芯显的视频压缩性能,有没有类似天梯的数据图表?

引用来自“Feng_Yu”的评论

这个直接看CPU和GPU的天梯图就行了,差不多的。
以前的天梯不会同时比较CPU和GPU啊
Feng_Yu
Feng_Yu

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?

引用来自“Feng_Yu”的评论

如果显卡性能远远弱于CPU性能的话,真没必要追求GPU编码,还是老老实实的用CPU编码吧,质量和压缩率比GPU有优势的多

引用来自“haitaosoft”的评论

现在就是不知道 很弱的显卡与普通的cpu,在视频这么重复性的工作上,是不是仍然有性能优势。。。。

引用来自“Feng_Yu”的评论

性能上的优势也是高端显卡才有话语权,低端显卡的图形渲染能力比较差,没什么优势。

另外,GPU编码速度快也有一部分牺牲压缩率换来的。所以你的GPU很一般的话,还是考虑上个比较好的CPU走软件编码吧

引用来自“haitaosoft”的评论

关于各种显卡、cpu、芯显的视频压缩性能,有没有类似天梯的数据图表?
这个直接看CPU和GPU的天梯图就行了,差不多的。
haitaosoft
haitaosoft

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?

引用来自“Feng_Yu”的评论

如果显卡性能远远弱于CPU性能的话,真没必要追求GPU编码,还是老老实实的用CPU编码吧,质量和压缩率比GPU有优势的多

引用来自“haitaosoft”的评论

现在就是不知道 很弱的显卡与普通的cpu,在视频这么重复性的工作上,是不是仍然有性能优势。。。。

引用来自“Feng_Yu”的评论

性能上的优势也是高端显卡才有话语权,低端显卡的图形渲染能力比较差,没什么优势。

另外,GPU编码速度快也有一部分牺牲压缩率换来的。所以你的GPU很一般的话,还是考虑上个比较好的CPU走软件编码吧
关于各种显卡、cpu、芯显的视频压缩性能,有没有类似天梯的数据图表?
haitaosoft
haitaosoft

引用来自“鼎铭”的评论

引用来自“haitaosoft”的评论

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?

引用来自“Feng_Yu”的评论

如果显卡性能远远弱于CPU性能的话,真没必要追求GPU编码,还是老老实实的用CPU编码吧,质量和压缩率比GPU有优势的多
现在就是不知道 很弱的显卡与普通的cpu,在视频这么重复性的工作上,是不是仍然有性能优势。。。。

回复@haitaosoft : 你们是什么场景啊
就是普通不玩游戏的i5电脑,偶尔压缩一下视频
Feng_Yu
Feng_Yu

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?

引用来自“Feng_Yu”的评论

如果显卡性能远远弱于CPU性能的话,真没必要追求GPU编码,还是老老实实的用CPU编码吧,质量和压缩率比GPU有优势的多

引用来自“haitaosoft”的评论

现在就是不知道 很弱的显卡与普通的cpu,在视频这么重复性的工作上,是不是仍然有性能优势。。。。
性能上的优势也是高端显卡才有话语权,低端显卡的图形渲染能力比较差,没什么优势。

另外,GPU编码速度快也有一部分牺牲压缩率换来的。所以你的GPU很一般的话,还是考虑上个比较好的CPU走软件编码吧
鼎铭
鼎铭

引用来自“haitaosoft”的评论

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?

引用来自“Feng_Yu”的评论

如果显卡性能远远弱于CPU性能的话,真没必要追求GPU编码,还是老老实实的用CPU编码吧,质量和压缩率比GPU有优势的多
现在就是不知道 很弱的显卡与普通的cpu,在视频这么重复性的工作上,是不是仍然有性能优势。。。。

回复@haitaosoft : 你们是什么场景啊
haitaosoft
haitaosoft

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?

引用来自“Feng_Yu”的评论

如果显卡性能远远弱于CPU性能的话,真没必要追求GPU编码,还是老老实实的用CPU编码吧,质量和压缩率比GPU有优势的多
现在就是不知道 很弱的显卡与普通的cpu,在视频这么重复性的工作上,是不是仍然有性能优势。。。。
Feng_Yu
Feng_Yu

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?
如果显卡性能远远弱于CPU性能的话,真没必要追求GPU编码,还是老老实实的用CPU编码吧,质量和压缩率比GPU有优势的多
Feng_Yu
Feng_Yu

引用来自“haitaosoft”的评论

没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?
集显也是GPU,intel的集成显卡就支持硬件编解码,通过qsv技术。ffmpeg也可以通过编译qsv支持使用qsv技术GPU编码视频的,了解一下: https://trac.ffmpeg.org/wiki/HWAccelIntro
haitaosoft
haitaosoft
没有显卡的i5机器,利用集成芯显(如hd4600),能比cpu快吗?
FFmpeg Maintainer赵军:FFmpeg关键组件与硬件加速

本文来自FFmpeg Maintainer赵军在LiveVideoStackCon 2018热身分享,并由LiveVideoStack整理而成。在分享中,赵军介绍了FFmpeg的历史、关键组件,并介绍了英特尔平台上的多种FFmpeg硬件加速方...

LiveVideoStack
07/18
0
0
ubuntu下ffmpeg的安装,实现支持3gpp转换

最近上线的项目,自驾游对讲机(android)的语音格式转码需要调试3gpp,所以需要再spx,3gpp,3gp等格式之间转换,特记录基于ubuntu环境下的环境ffmpeg部署细则 安装测试环境:ubuntu 11.04 ...

HelloEric
2012/12/25
0
0
基于Ubuntu交叉编译FFmpeg Windows SDK

基于Ubuntu交叉编译FFmpeg Windows SDK 写在前面   FFmpeg是一个开源且跨平台的音视频解决方案,集采集、转码、流式化为一身,项目的libavcodec编解码模块和libavformat媒体格式模块,支持...

j_m
2012/07/09
0
0
CentOS安装视频转换FFmpeg和切割工具segmenter

一、yum安装FFmpeg 1. 最偷懒的方式就是yum安装了,自动解决依赖。不过CentOS系统默认无FFmpeg源,企业版 Linux 附加软件包EPEL源也不包含,需要手动添加yum源配置/etc/yum.repos.d/dag.repo...

董松
2015/05/23
0
0
CentOs 下安装 ffmpeg 以及添加 ogg 音频支持

简单介绍 FFmpeg是一个自由软件,可以运行音频和视频多种格式的录影、转换、流功能[1],包含了libavcodec ─这是一个用于多个项目中音频和视频的解码器库,以及libavformat——一个音频与视频...

书一
2013/12/25
0
8

没有更多内容

加载失败,请刷新页面

加载更多

shell学习之创建函数

函数是一个脚本代码块,你可以为其命名并在代码中任何位置重用。 在bash shell脚本中创建函数基本使用如下两种方式,第二种格式更接近于其他编程语言中定义函数的方式。 function name {com...

woshixin
18分钟前
1
0
Toolfk.com 程序员工具网上线

#前言 真不容易,用了一个月的业余时间才把这个网站(toolfk.com)做完。里面的内容主要是从github上找的开源码码,在线运行使用的是Docker运行。当然也是现成的。因为我现在对Docker还是不懂。...

hihubs
31分钟前
2
0
svn 常用操作命令及问题处理

1. 常用命令 1.1. 基本使用 检出 checkout ➜ svn co repo_url -m '检出代码'➜ svn co repo_url saved_dir_name -m '检出代码,并指定目录名' 加入版本控制 add # 添加指定文件➜ svn...

whoru
58分钟前
3
0
记一次jquery validate的扩展(第一次失去焦点时触发校验)

最近在用jquery.validate 做前端表单校验,但是发现每次第一次失去焦点时,如果文本框内容为空,且该字段是必填项, 则不会触发校验,直到提交表单后,再次失去焦点时,才会触发,想对此进行...

foreach
今天
1
0
java生成UUID

UUID介绍: UUID(Universally Unique Identifier)全局唯一标识符,是指在一台机器上生成的数字,它保证对在同一时空中的所有机器都是唯一的。按照开放软件基金会(OSF)制定的标准计算,用到了以...

编程SHA
今天
1
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部