ffmpeg Nvidia硬件加速总结

2017年5月25日

0. 概述

FFmpeg可通过Nvidia的GPU进行加速，其中高层接口是通过Video Codec SDK来实现GPU资源的调用。Video Codec SDK包含完整的的高性能工具、源码及文档，支持，可以运行在Windows和Linux系统之上。从软件上来说，SDK包含两类硬件加速接口，用于编码加速的NVENCODE API和用于解码加速的NVDECODE API(之前被称为NVCUVID API)。从硬件上来说，Nvidia GPU有一到多个编解码器(解码器又称硬件加速引擎)，它们独立于CUDA核。从视频格式上来说，编码支持H.264、H.265、无损压缩，位深度支持8bit、10bit，色域空间支持YUV 4:4:4和4:2:0，分辨率支持最高8K；解码支持MPEG-2、VC1、VP8、VP9、H.264、H.265、无损压缩，位深度支持8 bit、10bit、12bit，色域空间支持YUV 4:2:0，分辨率支持最高8K。Video Codec SDK已经被集成在ffmpeg工程中，但是ffmpeg对编解码器配置参数较少，如果需要充分的发挥编解码器特性，还需要直接使用SDK进行编程。 

Nvidia编码器与CPU上的x264的性能对比与质量对比如下图所示，性能以每秒钟编码帧数为参考指标，质量以PSNR为参考指标。 

可看出性能方面Nvidia编码器是x264的2~5倍，质量方面对于fast stream场景来说Nvidia编码器优于x264，高质量场景来说低于x264，但没有说明是哪款Nvidia的产品，以及对比测试的x264运行平台的CPU的型号及平台能力。下图可以看出对于1080P@30fps，NVENC可支持21路的编码或9路的高质量编码。 

不同型号的GPU的编码的能力表格如下： 

Nvidia解码器性能指标如下图所示，不过只有两款Tesla的产品。 

解码的能力表格如下： 

1. 安装驱动与SDK

1.1 前期准备

需要关闭所有开源的显示驱动 
vi /etc/modprobe.d/blacklist.conf 
添加 
blacklist amd76x_edac 
blacklist vga16fb 
blacklist nouveau 
blacklist nvidiafb 
blacklist rivatv

1.2 驱动安装

(1). 删除原来的驱动 
apt-get remove –purge nvidia* 
(2). 官方下载run文件的驱动进行安装 
service lightdm stop 
chmod 777 NVIDIA-Linux-x86_64-367.44.run 
./NVIDIA-Linux-x86_64-367.44.run 
service lightdm start 
reboot 
(2). 驱动安装验证 
运行nvidia-smi，有如下输出则安装成功 

问题1：如果重启之后发现图形界面进不去，发生了循环登录，说明视频驱动没有安装完全，需要重装驱动，保险的方法是联网安装 
console中执行 
apt-get remove –purge nvidia-* 
add-apt-repository ppa:graphics-drivers/ppa 
apt-get update 
service lightdm stop 
apt-get install nvidia-375 nvidia-settings nvidia-prime 
nvidia-xconfig 
apt-get install mesa-common-dev //安装缺少的库 
apt-get install freeglut3-dev 
update-initramfs -u 
reboot

1.3 SDK安装

(1). 官方下载run文件的驱动进行安装 
cuda_8.0.44_linux.run –no-opengl-libs //不需要opengl支持 
apt-get install freeglut3-dev build-essential libx11-dev 
apt-get install libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa 
apt-get install libglu1-mesa-dev 
gedit ~/.bashrc 
添加 
export PATH=/usr/local/cuda/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

gedit /etc/ld.so.conf.d/cuda.conf 
添加 
/usr/local/cuda/lib64 
/lib 
/lib32 
/lib64 
/usr/lib 
/user/lib32 
sudo ldconfig 
(2). SDK安装验证 
运行nvcc -V，有如下输出则安装成功。 

2. Sample测试

2.1 Sample编译

进入Samples目录，运行make，如果没有安装OpenGL相关库，则NvDecodeGL会编译不通过 
每个工程的含义可参考《NVIDIA_Video_Codec_SDK_Samples_Guide》 
NvEncoder: 基本功能的编码 
NvEncoderCudaInterpo: CUDA surface的编码 
NvEncoderD3D9Interpo: D3D9 surface的编码，Linux下没有 
NvEncoderLowLatency: 低延时特征的使用，如帧内刷新与参考图像有效性(RPI) 
NvEncoderPerf: 最大性能的编码 
NvTranscoder: NVENC的转码能力 
NvDecodeD3D9: 视频解码D3D9显示，Linux下没有 
NvDecodeD3D11: 视频解码D3D11显示，Linux下没有 
NvDecodeGL: 视频解码OpenGL显示

2.2 Sample测试

参见《NVIDIA_Video_Codec_SDK_Samples_Guide》 
问题2：如果运行例子后显示libcuda.so failed! 
在/usr/lib/x86_64-linux-gnu下制作链接libcuda.so，链接至libcuda.so.375.26

3. ffmpeg结合

3.1 ffmpeg编译

3.1.1 前期工作

确保Video_Codec_SDK_7.1.9/Samples/common/inc 目录下有基本的头文件 
确保Video_Codec_SDK_7.1.9/Samples/common/lib/linux/x86_64 目录下有libGLEW.a

3.1.2 configure命令

configure \
  --enable-version3 \
  --enable-libfdk-aac \
  --enable-libmp3lame \
  --enable-libx264 \
  --enable-nvenc \
  --extra-cflags=-I/root/workspace/Video_Codec_SDK_7.1.9/Samples/common/inc \
  --extra-ldflags=-L/root/workspace/Video_Codec_SDK_7.1.9/Samples/common/lib/linux/x86_64 \
  --enable-shared \
  --enable-gpl \
  --enable-postproc \
  --enable-nonfree \
  --enable-avfilter \
  --enable-pthreads

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14

3.1.2 make

运行make & make install

3.2 ffmpeg测试

运行ffmpeg -codecs|grep nvenc 
显示一下信息说明

ffmpeg version 3.0.git Copyright (c) 2000-2016 the FFmpeg developers
  built with gcc 5.4.0 (Ubuntu 5.4.0-6ubuntu1~16.04.1) 20160609
  configuration: --enable-version3 --enable-libfdk-aac --enable-libmp3lame --enable-libx264 --enable-nvenc --extra-cflags=-I/workspace/Video_Codec_SDK_7.1.9/Samples/common/inc --extra-ldflags=-L/workspace/Video_Codec_SDK_7.1.9/Samples/common/lib/linux/x86_64 --enable-shared --enable-gpl --enable-postproc --enable-nonfree --enable-avfilter --enable-pthreads
  libavutil      55. 29.100 / 55. 29.100
  libavcodec     57. 54.100 / 57. 54.100
  libavformat    57. 48.100 / 57. 48.100
  libavdevice    57.  0.102 / 57.  0.102
  libavfilter     6. 57.100 /  6. 57.100
  libswscale      4.  1.100 /  4.  1.100
  libswresample   2.  1.100 /  2.  1.100
  libpostproc    54.  0.100 / 54.  0.100
 DEV.LS h264                 H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10 (encoders: libx264 libx264rgb h264_nvenc nvenc nvenc_h264 )
 DEV.L. hevc                 H.265 / HEVC (High Efficiency Video Coding) (encoders: nvenc_hevc hevc_nvenc )

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

其中前缀含义如下： 
前缀含义 
D….. = Decoding supported 
.E…. = Encoding supported 
..V… = Video codec 
..A… = Audio codec 
..S… = Subtitle codec 
…I.. = Intra frame-only codec 
….L. = Lossy compression 
…..S = Lossless compression

3.3 编解码器使用方法

h265编码测试 
(1). ffmpeg -s 1920x1080 -pix_fmt yuv420p -i BQTerrace_1920x1080_60.yuv -vcodec hevc_nvenc -r 60 -y 2_60.265 
(2). ffmpeg -s 1920x1080 -pix_fmt yuv420p -i BQTerrace_1920x1080_60.yuv -vcodec hevc_nvenc -r 30 -y 2_30.265

h264编码测试 
(3). ffmpeg -s 1920x1080 -pix_fmt yuv420p -i BQTerrace_1920x1080_60.yuv -vcodec h264_nvenc -r 60 -y 2_60.264 
(4). ffmpeg -s 1920x1080 -pix_fmt yuv420p -i BQTerrace_1920x1080_60.yuv -vcodec h264_nvenc -r 30 -y 2_30.264

h264转h265 
(5). ffmpeg -i 1_60.264 -vcodec hevc_nvenc -r 60 -y 2_60_264to265.265 
(6). ffmpeg -i 1_30.264 -vcodec hevc_nvenc -r 30 -y 2_30_264to265.265

h265转h264 
(7). ffmpeg -i 1_60.265 -vcodec h264_nvenc -r 60 -y 2_60_265to264.264 
(8). ffmpeg -i 1_30.265 -vcodec h264_nvenc -r 30 -y 2_30_265to264.264

3.4 程序开发使用方法

av_find_encoder_by_name(“h264_nvenc”); 
av_find_encoder_by_name(“hevc_nvenc”);

4. 辅助工具

watch -n 1 nvidia-smi 
以1秒钟为间隔来查看GPU资源占用情况

5. 实测结果

5.1 硬件性能

本人用Geforce GTX1070与Tesla P4进行了测试，两者都是Pascal架构。 
(1). GTX1070的硬件信息如下(deviceQuery显示)：

CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 1070"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    6.1
  Total amount of global memory:                 8110 MBytes (8504279040 bytes)
  (15) Multiprocessors, (128) CUDA Cores/MP:     1920 CUDA Cores
  GPU Max Clock rate:                            1683 MHz (1.68 GHz)
  Memory Clock rate:                             4004 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:                     Yes
  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 / 5 / 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 1070
Result = PASS

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36

(2). P4的硬件信息如下：

 CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "Tesla P4"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    6.1
  Total amount of global memory:                 7606 MBytes (7975862272 bytes)
  (20) Multiprocessors, (128) CUDA Cores/MP:     2560 CUDA Cores
  GPU Max Clock rate:                            1114 MHz (1.11 GHz)
  Memory Clock rate:                             3003 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:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Enabled
  Device supports Unified Addressing (UVA):      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 5 / 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 = Tesla P4
Result = PASS

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36

5.2 实验结果

(1). GTX1070 
| | hevc编码 | h264编码 | h264转h265 | h265转h264 | 
| 60fps | 387fps(6.45x) | 430fps(7.17x) | 348fps(5.79x) | 170fps(2.84x) | 
| 30fps | 345fps(11.5x) | 429fps(14.3x) | 318fps(10.6x) | 94fps(3.13x) | 
(2). P4

| | hevc编码 | h264编码 | h264转h265 | h265转h264 | 
| 60fps | 235fps(3.91x) | 334fps(5.57x) | 217fps(3.63x) | 171fps(2.85x) | 
| 30fps | 212fps(7.07x) | 322fps(10.7x) | 198fps(6.59x) | 94fps(3.14x) |

5.3 实验分析

虽然在硬件性能上，P4比GTX1070显存略少，主频略低，CUDA的数量多出了33%，但从实验结果上看除了h265->h264结果持平外，P4表现都要逊色于GTX1070，这和官网所言“编解码器独立于CUDA核”相一致。

6. 源码分析

集成在ffmpeg框架内的视频编解码器需要定义一个AVCodec结构体包含（私有结构体AVClass、三个函数等）

6.1 h264部分

(1). 结构体(nvenc_h264.c)

AVCodec ff_h264_nvenc_encoder = {
    .name           = "h264_nvenc",
    .long_name      = NULL_IF_CONFIG_SMALL("NVIDIA NVENC H.264 encoder"),
    .type           = AVMEDIA_TYPE_VIDEO,
    .id             = AV_CODEC_ID_H264,
    .init           = ff_nvenc_encode_init, //初始化函数
    .encode2        = ff_nvenc_encode_frame, //编码函数
    .close          = ff_nvenc_encode_close, //关闭函数
    .priv_data_size = sizeof(NvencContext),  //内部数据结构，见nvenc.h
    .priv_class     = &h264_nvenc_class,     //私有结构体
    .defaults       = defaults,
    .capabilities   = AV_CODEC_CAP_DELAY,
    .caps_internal  = FF_CODEC_CAP_INIT_CLEANUP,
    .pix_fmts       = ff_nvenc_pix_fmts,
};

static const AVClass h264_nvenc_class = {
    .class_name = "h264_nvenc",
    .item_name = av_default_item_name,
    .option = options, //编码器选项参数在这个AVOption结构体中
    .version = LIBAVUTIL_VERSION_INT,
};

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22

注意还有两个AVCodec，一个名字叫nvenc、一个叫nvenc_h264，对应三大函数与h264_nvenc是一样的 
(2). 处理函数(nvenc.c)

av_cold int ff_nvenc_encode_init(AVCodecContext *avctx)
{
   NvencContext *ctx = avctx->priv_data; //读入私有结构体
   ...
   //下面是一些nvenc的api
   nvenc_load_libraries
   nvenc_setup_device
   nvenc_setup_encoder
   nvenc_setup_surfaces
   nvenc_setup_extradata
   ...
}
int ff_nvenc_encode_frame(AVCodecContext *avctx, AVPacket *pkt,
                          const AVFrame *frame, int *got_packet)
{
    ...
    if (frame) {
        inSurf = get_free_frame(ctx); //来一帧
        ...
        res = nvenc_upload_frame(avctx, frame, inSurf);//编一帧
        ...
    }
}
av_cold int ff_nvenc_encode_close(AVCodecContext *avctx)
{
   ...
   //一些free和destroy的工作
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28

6.2 h265部分

(1). 结构体(nvenc_hevc.c)

AVCodec ff_hevc_nvenc_encoder = {
    .name           = "hevc_nvenc",
    .long_name      = NULL_IF_CONFIG_SMALL("NVIDIA NVENC hevc encoder"),
    .type           = AVMEDIA_TYPE_VIDEO,
    .id             = AV_CODEC_ID_HEVC,
    .init           = ff_nvenc_encode_init, //初始化函数
    .encode2        = ff_nvenc_encode_frame, //编码函数
    .close          = ff_nvenc_encode_close, //关闭函数
    .priv_data_size = sizeof(NvencContext),  //内部数据结构，见nvenc.h
    .priv_class     = &hevc_nvenc_class, //私有结构体
    .defaults       = defaults,
    .pix_fmts       = ff_nvenc_pix_fmts,
    .capabilities   = AV_CODEC_CAP_DELAY,
    .caps_internal  = FF_CODEC_CAP_INIT_CLEANUP,
};

static const AVClass hevc_nvenc_class = {
    .class_name = "hevc_nvenc",
    .item_name = av_default_item_name,
    .option = options,//编码器选项参数在这个AVOption结构体中
    .version = LIBAVUTIL_VERSION_INT,
};

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22

注意还有一个AVCodec，一个叫nvenc_hevc，对应三大函数与h264_nvenc是一样的 
(2) 处理函数(nvenc.c) 
同h264的处理函数