ffmpeg download
Officielle hjemmeside for download:
Hyperlink-login er synlig. Det anbefales at downloade den kompilerede version og downloade siden:
Hyperlink-login er synlig. Jeg foretrækker generelt at downloade den nyeste version (opkaldt efter datoen), og selvfølgelig findes der en stabil version (opkaldt efter versionsnummeret).
CUDA-download
CUDA er en driver, der tillader GPU'en at udføre relaterede operationer, fordi vi udvikler applikationer, der ikke direkte styrer GPU'en, men kører gennem driveren.
Hyperlink-login er synlig. Her vælger jeg versionen som vist nedenfor: Selvfølgelig kan du også klikke på linket nedenfor for at gå direkte til indstillingerne, da jeg downloadede.
Hyperlink-login er synlig.
Efter download, husk at installere det, så jeg ikke introducerer det, for de udvikler jo alle software.
kommando
Forespørgselskommandoer Tjek om den downloadede ffmpeg understøtter CUDA, hvis den ikke gør (jeg downloadede den), så download den igen eller kompiler den selv.
Testkommandoer
Konverter 0.mp4 i den nuværende mappe til 00.mp4
Konverter 0.mp4 i den aktuelle mappe til 00.mp4 og angiv outputbilledhastigheden på 15 (-r 15) og bitraten på 500k (-b 500k).
-hwaccel cuvid: Specificerer brugen af cuvid hardwareacceleration
-c:v h264_cuvid: Videodekodning ved hjælp af h264_cuvid
-c:v h264_nvenc: Videokodning med h264_nvenc
-vf scale_npp=1280:-1: Angiv bredden og højden af outputvideoen, bemærk at dette adskiller sig fra -vf-skalaen=x:x, der bruges til blød dekodning
Flere grafikkortkommandoer
GPU-transkodningseffektivitetstest På en server med to Intel-E5-2630v3 CPU'er og to Nvidia Tesla M4 grafikkort blev h264 videotranskodningstesten udført som følger:
Gennemsnitlig GPU-transkodningstid: 8 sekunder Gennemsnitlig CPU-transkodningstid: 25 sekunder
Ved transkodning parallelt forbedres effektiviteten af CPU-soft-konvertering, og alle 32 kerner er optaget, når de tre transkodningsopgaver er parallelle
Gennemsnitlig GPU-transkodningstid: 8 sekunder Gennemsnitlig CPU-transkodningstid: 18 sekunder
Det er ikke svært at se, at GPU'ens transkodningshastighed ikke stiger, når den er parallel, hvilket viser, at en GPU kun kan udføre én transkodningsopgave ad gangen. Så hvis der indsættes flere grafikkort på serveren, vil ffmpeg så bruge flere GPU'er til parallel transkodning? Desværre er svaret nej. ffmpeg har ikke mulighed for automatisk at tildele transkodningsopgaver til forskellige GPU'er, men efter lidt undersøgelse blev det fundet, at GPU'en, der bruges til transkodningsopgaven, kan specificeres ved parameteren -hwaccel_device! Indsend transkodningsopgaver til forskellige GPU'er
Grafik 0
Grafikkort1
Illustrere:
-hwaccel_device N: Angiv en GPU til at udføre en transkodningsopgave, N er et tal
|