jetson-ffmpeg对视频硬编解码实测记录

前言

在上篇:在jetson中调用NVENC与NVDEC模块进行硬编解码中我们已经实现了调用硬编解码,那么在这篇文章中,我们将详细记录如何在Jetson平台上对FFmpeg实际测试对视频进行硬编解码处理。

实测过程

在这里我们上传一段视频进行硬解码测试并使用非硬解码处理,视频信息如下表所示:

视频信息

参数 数据
大小 266MB
时长 00:39:07
帧宽度 854
帧高度 480
数据速率 769kbps
总比特率 941kbps
帧速率 30.00帧/秒

在jetson设备中我们区别与在win中调用cuda加速那样 -cv:h264_cuvid ,在jetson中是使用 -c:v h264_nvmpi 进行的调用硬编解码操作,这里的硬编解码不占用GPU的计算单元,属于单独的计算单元。

ini 复制代码
import os
import time

input_file = "input.mp4"
output_file = "output.mp4"
t1 = time.time()
# command_gpu = f"ffmpeg -c:v h264_nvmpi -i {input_file} -c:v h264_nvmpi {output_file}"
command_cpu = f"ffmpeg -c:v h264 -i {input_file} -c:v h264 {output_file}"

os.system(command_cpu)
print(time.time() - t1)

分别运行上述代码中的cpugpu部分代码,对其运行过程中的核心信息具有差异性的部分截图如下所示。我们可以看出二者在耗时方面的确是有一些差异。具体原因后续再逐步分析。

log信息截图:

jtop信息截图:

总结

我们通过一个对视频进行转解码的操作指令分别进行实验,可以得到在时间消耗上二者存在差异,在资源的消耗方面也存在差异。由于这里的ffmpeg是已经由jetson-ffmpeg和ffmpeg联合编译得到的,所以在编码阶段二者都调用了NVENC部分,或许这部分不够严谨。

相关推荐
二川bro27 分钟前
2025年Python机器学习全栈指南:从基础到AI项目部署
人工智能·python·机器学习
Learn Beyond Limits1 小时前
Correlation vs Cosine vs Euclidean Distance|相关性vs余弦相似度vs欧氏距离
人工智能·python·神经网络·机器学习·ai·数据挖掘
专注于大数据技术栈1 小时前
java学习--==和equals
java·python·学习
testtraveler2 小时前
[Fix] ImportError: libtorch_cpu.so: undefined symbol: iJIT_NotifyEvent
pytorch·python·bug
lang201509282 小时前
Kafka延迟操作机制深度解析
分布式·python·kafka
测试老哥3 小时前
软件测试:测试用例的设计
自动化测试·软件测试·python·功能测试·测试工具·职场和发展·测试用例
koo3644 小时前
pytorch环境配置
人工智能·pytorch·python
程序员杰哥7 小时前
Python自动化测试之线上流量回放:录制、打标、压测与平台选择
自动化测试·软件测试·python·测试工具·职场和发展·测试用例·压力测试
吴佳浩7 小时前
LangChain v1 重大更新讲解⚠⚠⚠
python·langchain·agent
顾安r10 小时前
11.20 开源APP
服务器·前端·javascript·python·css3