Docker环境配置ffmpeg nvidia加速

Docker环境是ubuntu 16.04 xenial，实际上是tensorflow/tensorflow:1.13.1-gpu-py3的image。
主机为ubuntu 19.04，，刚release就把笔记本系统升级，也是没谁了。。显卡为RTX2070，CUDA版本为10.0.130，nvidia driver版本为418.56。
（1）首先使用nvidia-docker run运行tensorflow的image，进入其bash：nvidia-docker run -it -e NVIDIA_DRIVER_CAPABILITIES=compute,utility,video --rm tensorflow/tensorflow:1.13.1-gpu-py3。
（2）在容器中安装必要的软件包和库：

apt-get update -qq && apt-get -y install \
  autoconf \
  automake \
  build-essential \
  cmake \
  git-core \
  libass-dev \
  libfreetype6-dev \
  libsdl2-dev \
  libtool \
  libva-dev \
  libvdpau-dev \
  libvorbis-dev \
  libxcb1-dev \
  libxcb-shm0-dev \
  libxcb-xfixes0-dev \
  pkg-config \
  texinfo \
  wget \
  zlib1g-dev \
  cuda-npp-10-0 \
  cuda-npp-dev-10-0 

其中cuda-npp-<VERSION>是提供libnpp的库。
（3）在$HOME目录下建立两个文件夹，用于存放接下来的文件：mkdir -p ~/ffmpeg_sources ~/bin
（4）下载nasm，注意版本号不能太低，用于libx264的编译过程：

cd ~/ffmpeg_sources && \
wget https://www.nasm.us/pub/nasm/releasebuilds/2.14.02/nasm-2.14.02.tar.bz2 && \
tar xjvf nasm-2.14.02.tar.bz2 && \
cd nasm-2.14.02 && \
./autogen.sh && \
PATH="$HOME/bin:$PATH" ./configure --prefix="$HOME/ffmpeg_build" --bindir="$HOME/bin" && \
make && \
make install

（5）下载yasm，同样用于编译：

cd ~/ffmpeg_sources && \
wget -O yasm-1.3.0.tar.gz https:/