编译支持cuda硬件加速的ffmpeg

本来以为很简单,因为印象中自己在windows机器上使用过。

目前的实在一个docker环境下的ubuntu系统里。

官方操作文档

按照官方操作文档Using FFmpeg with NVIDIA GPU Hardware Acceleration - NVIDIA Docs的描述,步骤很简单:

1、安装nv-codec-headers的头文件。

bash 复制代码
git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git
cd nv-codec-headers && sudo make install && cd --

2、克隆ffmpeg源代码。

bash 复制代码
git clone https://git.ffmpeg.org/ffmpeg.git ffmpeg/

3、安装编译源代码需要的依赖库。

bash 复制代码
sudo apt-get install build-essential yasm cmake libtool libc6 libc6-dev unzip wget libnuma1 libnuma-dev

4、配置编译条件,进行编译安装。

bash 复制代码
./configure --enable-nonfree --enable-cuda-nvcc --enable-libnpp --extra-cflags=-I/usr/local/cuda/include --extra-ldflags=-L/usr/local/cuda/lib64 --disable-static --enable-shared

5、进行测试使用。

可能出问题的坑

但是这里隐含了几个前提条件。

1、nv-codec-headers是有版本对应的,需要根据目标机器上的驱动版本,选择对应的版本。

查看目标机器上的驱动版本可以执行nvidia-smi查看。

nv-codec-headers里的README文件里写了匹配的版本信息。

2、目标机器需要安装CUDA toolkit,这个文档里有写,可以执行nvcc --version查看是否安装成功。

3、配置ffmpeg编译条件的时候,里面包含了两个目录:

/usr/local/cuda/lib64和/usr/local/cuda/include。要确保这两个目录里确实有需要的文件。

笔者就发现目标机器上的/usr/local/cuda/lib64是空的,然后通过:

find / -name 'libcuda*' 命令找到了实际存在libcuda.so文件的目录是:/usr/lib/x86_64-linux-gnu/。

这样就需要替换掉编译条件里的目录。

4、启动docker的命令里需要把宿主机的视频能力赋予docker容器。

bash 复制代码
--gpus 'all,"capabilities=compute,video,utility"'

参考文档:https://www.cnblogs.com/azureology/p/18290262

User Guide --- container-toolkit 1.10.0 documentation

最后所有依赖和路径设置正确以后。执行./configure的完整命令。会输出完整支持的编码解码器信息,注意看是否包含h264_nvenc。如果包含了就证明设置正确了。

相关推荐
Nukepayload220 小时前
基于洞察的智能编程法——从直觉到代码的原型炼成术
ai·提示词工程
万俟淋曦21 小时前
【ROS2】通讯机制 Topic 常用命令行
人工智能·ai·机器人·ros·topic·ros2·具身智能
CoderJia程序员甲1 天前
GitHub 热榜项目 - 日榜(2025-09-24)
ai·开源·大模型·github·ai教程
浆果02071 天前
.h264或.264视频文件转化成mp4视频
python·ffmpeg·h.264
BIBI20491 天前
使用 Captura 和 FFmpeg 配置免费高效的录屏环境
ffmpeg·captura
浆果02071 天前
FFmpeg安装(Windows)
windows·ffmpeg
小狮子安度因1 天前
FFmpeg过滤器之crop
ffmpeg
风间琉璃•1 天前
FFmpeg视频编解码
ffmpeg·视频编解码
彷徨而立1 天前
【win32】ffmpeg 解码器
ffmpeg
AiTop1001 天前
阿里云推出全球首个全模态AI模型Qwen3-Omni,实现文本、图像、音视频端到端处理
人工智能·阿里云·ai·aigc·音视频