英伟达NVIDIA Video Codec SDK编译以及环境设置

泰勒朗斯

已于 2023-12-14 16:45:16 修改

阅读量4k

点赞数

分类专栏：笔记工具文章标签：视频编解码学习

于 2021-04-14 11:13:38 首次发布

本文链接：https://blog.csdn.net/weixin_43360707/article/details/115690629

版权

笔记同时被 2 个专栏收录

102 篇文章 5 订阅

订阅专栏

工具

40 篇文章 0 订阅

订阅专栏

这是sdk官网
https://developer.nvidia.com/nvidia-video-codec-sdk
https://docs.nvidia.com/video-technologies/video-codec-sdk/

下载包目录地址：
https://developer.nvidia.com/video-codec-sdk-archive

这是cudaAPI
入口

关于显卡介绍
入口

微软官方流媒体学习
入口

NVDEC_VideoDecoder_API_ProgGuide(中文版本)
入口
在这里插入图片描述

在这里插入图片描述

API文档在这里
https://docs.nvidia.com/video-technologies/video-codec-sdk/nvenc-application-note/index.html

如何编译Video Codec SDK

准备环境

首先得有张卡吧，安装驱动，安装的时候要看看这张卡匹配的驱动版本。
切记切记：
不要通过apt install nvidia-cuda-toolkit 安装cuda，因为版本比较老，有可能是9.1版本，最新的都到12以上了。
如果不小心安装了，可以通过下面命令删除

apt-get remove --autoremove nvidia-cuda-toolkit

可以通过dpkg -l |grep -i nvidia查看安装的包有没有被删除
rr开头的表示只有配置文件
最后通过下面命令删除config

apt -y purge xxx

下载入口：CUDA Toolkit 12.0 Downloads
历史下载链接：CUDA Toolkit Archive
在这里插入图片描述

wget https://developer.download.nvidia.com/compute/cuda/12.0.0/local_installers/cuda_12.0.0_525.60.13_linux.run
sudo sh cuda_12.0.0_525.60.13_linux.run

安装好以后，执行命令

nvidia-smi

可以看到下面的提示

root@sse-jq-114-106:~# nvidia-smi
Fri Dec  8 14:09:39 2023       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.60.13    Driver Version: 525.60.13    CUDA Version: 12.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  Off  | 00000000:2D:00.0 Off |                  N/A |
|  0%   36C    P0    N/A / 370W |      0MiB / 12288MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

到这一步，恭喜你，宿主机上的环境安装好了。
我们可以去下面文件夹下看看安装好的文件

root@sse-jq-114-106:/usr/local# ll
total 72
drwxr-xr-x 18 root   root   4096 Dec  7 20:23 ./
drwxr-xr-x 12 root   root   4096 Sep 25 16:44 ../
lrwxrwxrwx  1 root   root     21 Dec  7 20:23 cuda -> /usr/local/cuda-12.0//
drwxr-xr-x 17 root   root   4096 Dec  7 20:24 cuda-12.0/
...

进入cuda文件夹，里面就是安装好的文件

root@sse-jq-114-106:/usr/local/cuda# ll
total 144
drwxr-xr-x 17 root root  4096 Dec  7 20:24 ./
drwxr-xr-x 18 root root  4096 Dec  7 20:23 ../
drwxr-xr-x  3 root root  4096 Dec  7 20:24 bin/
drwxr-xr-x  5 root root  4096 Dec  7 20:24 compute-sanitizer/
-rw-r--r--  1 root root   160 Dec  7 20:24 DOCS
-rw-r--r--  1 root root 61498 Dec  7 20:24 EULA.txt
drwxr-xr-x  5 root root  4096 Dec  7 20:24 extras/
drwxr-xr-x  6 root root  4096 Dec  7 20:23 gds/
drwxr-xr-x  2 root root  4096 Dec  7 20:23 gds-12.0/
lrwxrwxrwx  1 root root    28 Dec  7 20:24 include -> targets/x86_64-linux/include/
lrwxrwxrwx  1 root root    24 Dec  7 20:24 lib64 -> targets/x86_64-linux/lib/
drwxr-xr-x  7 root root  4096 Dec  7 20:24 libnvvp/
drwxr-xr-x  7 root root  4096 Dec  7 20:24 nsight-compute-2022.4.0/
drwxr-xr-x  2 root root  4096 Dec  7 20:24 nsightee_plugins/
drwxr-xr-x  6 root root  4096 Dec  7 20:24 nsight-systems-2022.4.2/
drwxr-xr-x  3 root root  4096 Dec  7 20:23 nvml/
drwxr-xr-x  7 root root  4096 Dec  7 20:24 nvvm/
-rw-r--r--  1 root root   524 Dec  7 20:24 README
drwxr-xr-x  3 root root  4096 Dec  7 20:24 share/
drwxr-xr-x  2 root root  4096 Dec  7 20:23 src/
drwxr-xr-x  3 root root  4096 Dec  7 20:23 targets/
drwxr-xr-x  2 root root  4096 Dec  7 20:24 tools/
-rw-r--r--  1 root root  2932 Dec  7 20:23 version.json

接着进入bin文件夹中，可以看到nvcc等编译器，所以如果我们要使用使用nvcc，可以到这个文件夹中来找

root@sse-jq-114-106:/usr/local/cuda/bin# ll
total 134060
drwxr-xr-x  3 root root     4096 Dec  7 20:24 ./
drwxr-xr-x 17 root root     4096 Dec  7 20:24 ../
-rwxr-xr-x  1 root root    88848 Dec  7 20:24 bin2c*
lrwxrwxrwx  1 root root        4 Dec  7 20:24 computeprof -> nvvp*
-r-xr-xr-x  1 root root      115 Dec  7 20:24 compute-sanitizer*
drwxr-xr-x  2 root root     4096 Dec  7 20:24 crt/
-rwxr-xr-x  1 root root  6732760 Dec  7 20:24 cudafe++*
-rwxr-xr-x  1 root root 15658080 Dec  7 20:24 cuda-gdb*
-rwxr-xr-x  1 root root   807704 Dec  7 20:24 cuda-gdbserver*
-rwxr-xr-x  1 root root  1046898 Dec  7 20:24 cuda-uninstaller*
-rwxr-xr-x  1 root root    75928 Dec  7 20:24 cu++filt*
-rwxr-xr-x  1 root root   511392 Dec  7 20:24 cuobjdump*
-rwxr-xr-x  1 root root   281728 Dec  7 20:24 fatbinary*
-r-xr-xr-x  1 root root     3633 Dec  7 20:24 ncu*
-r-xr-xr-x  1 root root     3423 Dec  7 20:24 ncu-ui*
-rwxr-xr-x  1 root root     1580 Dec  7 20:24 nsight_ee_plugins_manage.sh*
-r-xr-xr-x  1 root root       82 Dec  7 20:24 nsight-sys*
-r-xr-xr-x  1 root root      751 Dec  7 20:24 nsys*
-r-xr-xr-x  1 root root      104 Dec  7 20:24 nsys-exporter*
-r-xr-xr-x  1 root root      847 Dec  7 20:24 nsys-ui*
-rwxr-xr-x  1 root root 15264104 Dec  7 20:24 nvcc*
-rwxr-xr-x  1 root root   659024 Dec  7 20:24 __nvcc_device_query*
-rw-r--r--  1 root root      417 Dec  7 20:24 nvcc.profile
-rwxr-xr-x  1 root root 50625304 Dec  7 20:24 nvdisasm*
-rwxr-xr-x  1 root root 19932024 Dec  7 20:24 nvlink*
-rwxr-xr-x  1 root root  5734432 Dec  7 20:24 nvprof*
-rwxr-xr-x  1 root root   113632 Dec  7 20:24 nvprune*
-rwxr-xr-x  1 root root      285 Dec  7 20:24 nvvp*
-rwxr-xr-x  1 root root 19668112 Dec  7 20:24 ptxas*

准备docker环境

想要在docker环境识别到英伟达显卡，还是要做点准备的。
至于怎么安装下面的docker 要自己去百度一下，反正安装好就是下面这个样子
在这里插入图片描述

用下面脚本启动docker，注意的是docker镜像我们使用nvidia提供的

#! /bin/bash

# 可以从下面网址查看可以使用的镜像
# https://hub.docker.com/r/nvidia/cuda/tags?page=1&name=18.04

docker rm -f nvcodec 

docker run -d -i \
    --init --gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility,video \
     --name nvcodec \
     --volume=/home:/home \
     --volume=/data:/data \
     --volume=/log:/log \
     --volume=/root:/root \
     -h indocker \
     -e TZ=Asia/Shanghai \
     --volume=/lib/modules/:/lib/modules/ \
     --volume=/usr/src/:/usr/src/ \
     --ipc=host --ulimit core=-1  --security-opt seccomp=unconfined \
     --network host \
     --privileged nvidia/cuda:12.0.0-devel-ubuntu18.04

进入docker

docker exec -it nvcodec /bin/bash

一定要注意这句：

--gpus all -e NVIDIA_DRIVER_CAPABILITIES=compute,utility,video

只有添加了这句话，才能在docker容器中识别出来显卡

在容器中执行nvidia-smi如果执行成功，说明可以使用了。

划重点：
上文中使用的是nvidia/cuda:12.0.0-devel-ubuntu18.04镜像，如果你使用自己的镜像，那么你执行

$ mount

你就会发现很多宿主机上的UMD（runtimes）全部已经被映射到docker中了。可以不用执行下面的流程。

因为nvidia提供的这个镜像里面很多编译必须的东西都没有，所以我们通过下面脚本安装，其中cmake是通过源码安装的

#! /bin/bash

apt update
apt-get -y install pthread 
apt-get -y install libbz2-dev 
apt-get -y install liblzma-dev   
apt-get -y install zlib1g-dev 
apt-get -y install pkg-config 
apt-get -y install git
apt-get -y install build-essential gdb
apt-get -y install wget
apt-get -y install libssl-dev
apt-get -y install openssl
apt-get -y install pv

cmake_tar_file=cmake-3.26.3.tar.gz
cmake_dir=cmake-3.26.3

echo "------cmake tar :${cmake_tar_file}"
echo "------cmake dir :${cmake_dir}"

if [ ! -e ${cmake_tar_file} ];then
    echo "------download ${cmake_tar_file}"
    wget -c https://github.com/Kitware/CMake/releases/download/v3.26.3/${cmake_tar_file}
fi

if [ -d ${cmake_dir} ];then
    echo "------delete old ${cmake_dir}"
    rm -rf ${cmake_dir}
fi

echo "------uncompress ${cmake_tar_file}"
pv ${cmake_tar_file} | tar -zxvf - >/dev/null 2>&1

pushd  ${cmake_dir}

./bootstrap
make -j12
make install
cmake --version

popd

到此为止，docker也可以使用了

编译NVIDIA Video Codec SDK

下载sample 代码：入口
链接进入后如下图所示，选择你想要的版本就可以了。
在这里插入图片描述
因为要依赖ffmpeg，所以我们首先要编译ffmpeg,通过下面的脚本，我们先创建一个目录3rd，和Video_COdec_SDk12.0同级。

mkdir 3rd
cd 3rd
git clone https://github.com/FFmpeg/FFmpeg.git

然后执行下面的脚本就会编译好ffmpeg，本文我们ffmpeg切换到n4.5-dev tag上（你可以根据自己的需要来切换）

#! /bin/bash

DIR=$(dirname $(readlink -f $0))
echo "current: ${DIR}"

FFMPEG_TAG=n4.5-dev
FFMPEG_BUILD_DIR=${DIR}/libffmpeg-n4.5

if [ -d ${FFMPEG_BUILD_DIR} ];then
    echo "rm -rf ${FFMPEG_BUILD_DIR}"
    rm -rf  ${FFMPEG_BUILD_DIR}
fi

pushd FFmpeg
echo "git checkout ${FFMPEG_TAG}"
git checkout ${FFMPEG_TAG}

CFG_PARAM="--prefix=$FFMPEG_BUILD_DIR --disable-x86asm --disable-static --enable-shared"
echo "${CFG_PARAM}"
./configure ${CFG_PARAM}

if [ $? -ne 0 ]; then
    echo "------------configure ffmpeg failed,exit."
    exit 1
fi

echo "make -j12"
make -j12

if [ $? -ne 0 ]; then
    echo "------------compile ffmpeg failed,exit."
    exit 1
fi

echo "make install"
make install

echo ""make distclean
make distclean

popd

编译好之后，接着下载另外一个依赖，还是在3rd目录下

下载VULKAN

下载入口

在这里插入图片描述

wget https://sdk.lunarg.com/sdk/download/1.2.189.0/linux/vulkansdk-linux-x86_64-1.2.189.0.tar.gz
tar xvf https://sdk.lunarg.com/sdk/download/1.2.189.0/linux/vulkansdk-linux-x86_64-1.2.189.0.tar.gz

如何让Video Codec SDK识别到刚才那两个库呢，我们在3rd目录下创建文件3rd.cmake

#用来为SDK链接ffmpeg和vulkan


# 定义要添加的路径列表
set(PKG_CONFIG_PATH_LIST
    ${CMAKE_CURRENT_SOURCE_DIR}/../3rd/libffmpeg-n4.5/lib/pkgconfig 
    ${CMAKE_CURRENT_SOURCE_DIR}/../3rd/vulkansdk-1.2.189.0/x86_64/lib/pkgconfig
)

# 将每个路径添加到PKG_CONFIG_PATH中
foreach(dir ${PKG_CONFIG_PATH_LIST})
    set(ENV{PKG_CONFIG_PATH} "$ENV{PKG_CONFIG_PATH}:${dir}")
endforeach()

# 打印更新后的PKG_CONFIG_PATH环境变量
message("Updated PKG_CONFIG_PATH: $ENV{PKG_CONFIG_PATH}")

set(ENV{CUDA_TOOLKIT_ROOT_DIR} /usr/local/cuda)

# 设置cuvid和nvdia-encode的路径
set (CMAKE_LIBRARY_PATH ${CMAKE_CURRENT_SOURCE_DIR}/../Lib/linux/stubs/x86_64)

set(VULKAN_LIBS vulkan)
set(Vulkan_INCLUDE_DIR  ${CMAKE_CURRENT_SOURCE_DIR}/../3rd/vulkansdk-1.2.189.0/x86_64/include)

然后进入/workspace/nvcodec/Video_Codec_SDK_12.0.16/Samples/CMakeLists.txt中修改：

...
# Check for WSL 
if (EXISTS /usr/lib/wsl/lib)
    set(WSL_FLAG TRUE)
endif()

#我们自己的添加的代码
#----------------------------3rd-------------------
message(STATUS "${CMAKE_CURRENT_SOURCE_DIR}/../3rd/3rd.cmake")
include(${CMAKE_CURRENT_SOURCE_DIR}/../3rd/3rd.cmake)
#--------------------------------------------------------
...

然后执行脚本来编译

#！ /bin/bash

DIR=$(dirname $(readlink -f $0))
echo ${DIR}


FFMPEG_TAG=n4.5-dev
build_path=${DIR}/build_samples

if [ ! -d ${build_path} ];then
    echo "mkdir build path:${build_path}"
    mkdir ${build_path}
fi

echo "pushd:"
pushd ${build_path}
echo "rm -rf *" 
rm -rf *
echo "cmake ../Samples"
cmake ../Samples

echo "make."
make

make install

popd