CUDA Video Decoder (CUVID)
Wang Yumeng ([email protected])
A video decoder library that supports H264, HEVC(H265) videos from file or RTSP.
Basic dependencies for projects
sudo apt update
sudo apt install build-essential cmake libgoogle-glog-dev libgflags-dev libssl-dev libavcodec-dev libavformat-dev libswscale-dev
如果安装的 CMake 低于 3.0.0 版本则无法运行安装:
cmake --version
可从源代码直接编译生成 CMake:
CMAKE_VERSION=3.23.2
sudo apt remove cmake --purge
wget "https://github.com/Kitware/CMake/releases/download/v$CMAKE_VERSION/cmake-$CMAKE_VERSION.tar.gz"
tar -xvf cmake-$CMAKE_VERSION.tar.gz
cd cmake-$CMAKE_VERSION
./bootstrap --parallel=8
make -j8
sudo make install -j8
确保 CUDA 安装在 /usr/local/cuda
,并确认本地磁盘中存在 libnvcuvid.so
文件。
在 Ubuntu 系统中该文件通常位于 /usr/lib/x86_64-linux-gnu
目录中,并带有版本后缀,如 libnvcuvid.so.1
。
如果通过搜索仍未在磁盘中找到该文件,则说明你所安装的显卡驱动不完整,应重新安装显卡驱动 (必须是 460.32.03 以上版本) ,官方驱动包中均带有此文件。
如果仅找到 libnvcuvid.so.1
而没有 libnvcuvid.so
,那你还需要为 libnvcuvid.so.1
在相同目录下建立一个名为 libnvcuvid.so
的软链接:
sudo ln -s libnvcuvid.so.1 libnvcuvid.so
Numpy is required for Python3 interface:
python3 -m pip install numpy
PyTorch is required if you want to read frame buffer into pytorch tensor (CUDA) without via CPU copy. Installation of PyTorch See https://pytorch.org/
在 cuvid 工程目录下执行下列命令:
mkdir build
cd build
cmake .. -DNVCUVID_LIBRARY_DIR=/usr/lib/x86_64-linux-gnu -DCUDA_ARCHITECTURES=75 -DCMAKE_INSTALL_PREFIX=install -DCMAKE_BUILD_TYPE=DEBUG
make all -j8
sudo make install
注意:
- 如果
libnvcuvid.so
文件处于默认路径/usr/lib/x86_64-linux-gnu
中,则不用设定NVCUVID_LIBRARY_DIR
变量,否则必须设定NVCUVID_LIBRARY_DIR
为所在路径。 - 需要根据当前显卡的类型来配置
CUDA_ARCHITECTURES
,详见 https://zhuanlan.zhihu.com/p/438939299 ; - 如果你在使用 Conda 环境,请确保在执行 cmake 命令前,当前 Conda 环境处于激活状态:
conda activate
。 - 如需使用 C++ 接口,请设置
CMAKE_INSTALL_PREFIX
为/usr/local
;
python3 ./test/test.py test.mp4 --torch
Add following line into your CMakeLists.txt
:
TARGET_LINK_LIBRARIES(YOUR_PRJ_NAME nvcuvid cuda avformat avcodec avutil)