FFMPEG nedladdning
Officiell webbplats för nedladdning:
Inloggningen med hyperlänken är synlig.
Det rekommenderas att ladda ner den kompilerade versionen och ladda ner sidan:
Inloggningen med hyperlänken är synlig.
Jag föredrar generellt att ladda ner den senaste versionen (namngiven efter datumet) och det finns förstås en stabil version (uppkallad efter versionsnumret).
CUDA-nedladdning
CUDA är en drivrutin som tillåter GPU:n att utföra relaterade operationer, eftersom vi utvecklar applikationer som inte styr GPU:n direkt, utan fungerar via drivrutinen.
Inloggningen med hyperlänken är synlig.
Här väljer jag versionen som visas nedan:
Självklart kan du också klicka på länken nedan för att gå direkt till inställningarna när jag laddade ner.
Inloggningen med hyperlänken är synlig.
Efter nedladdningen, kom ihåg att installera det, så jag introducerar det inte, trots allt utvecklar de alla mjukvara.
befallning
Sökkommandon
Kolla om den nedladdade ffmpeg stöder CUDA, om den inte gör det (jag laddade ner den), ladda ner den igen eller kompilera själv.
Testkommandon
Konvertera 0.mp4 i den aktuella katalogen till 00.mp4
Konvertera 0.mp4 i den aktuella katalogen till 00.mp4 och ange utgångsbildfrekvensen 15 (-r 15) och bithastigheten 500k (-b 500k).
-hwaccel cuvid: Specificerar användningen av cuvid-hårdvaruacceleration
-c:v h264_cuvid: Videoavkodning med h264_cuvid
-c:v h264_nvenc: Videokodning med h264_nvenc
-vf scale_npp=1280:-1: Ange bredden och höjden på utdatavideon, observera att detta skiljer sig från -vf-skalan=x:x som används för mjuk avkodning
Flera grafikkortkommandon
GPU-transkodningseffektivitetstest
På en server med två Intel-E5-2630v3-processorer och två Nvidia Tesla M4-grafikkort utfördes h264-videotranskodningstestet enligt följande:
Genomsnittlig GPU-transkodningstid: 8 sekunder
Genomsnittlig CPU-transkodningstid: 25 sekunder
Vid parallell transkodning förbättras effektiviteten i CPU:s mjuka konvertering, och alla 32 kärnor är upptagna när de tre transkodningsuppgifterna är parallella
Genomsnittlig GPU-transkodningstid: 8 sekunder
Genomsnittlig CPU-transkodningstid: 18 sekunder
Det är inte svårt att se att GPU:ns transkodningshastighet inte ökar när den är parallell, vilket visar att en GPU bara kan utföra en transkodningsuppgift åt gången. Så, om flera grafikkort är insatta på servern, kommer ffmpeg att använda flera GPU:er för parallell transkodning?
Tyvärr är svaret nej.
ffmpeg har inte möjlighet att automatiskt tilldela transkodningsuppgifter till olika GPU:er, men efter viss undersökning upptäcktes att GPU:n som används för transkodningsuppgiften kan specificeras med parametern -hwaccel_device!
Skicka transkodningsuppgifter till olika GPU:er
Grafik 0
Grafikkort1
Illustrera:
-hwaccel_device N: Ange en GPU för att utföra en transkodningsuppgift, N är ett tal
|
Publicerad den 2019-11-7 21:08:29
|
|
|
|
Hyresvärd|
Publicerad den 2019-11-7 21:18:35
|
Publicerad den 26 februari 2023 12:11:24
|
