【并行计算-CUDA开发】【视频开发】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

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 )

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

(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

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

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,

};

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

}

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,

};

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