当前位置：首页 > news >正文

英伟达硬件加速编解码

news 来源：原创 2024/5/16 21:14:59

硬件加速

硬件加速的学术名称是 GPGPU（General-purpose computing on graphicsprocessing units），中文名称是通用图形处理器。最基本的思想是使用 GPU 的运算能力完成原本需要 CPU 来进行的运算。

并行计算

GPU 是用来处理图形任务的图形处理器，其中一个非常大的优势在于它的并行处理能力。面对单指令流多数据流（SIMD），并且数据处理的运算量远大于数据调度和传输的需要时，GPU 的并行处理效率要高于传统的 CPU 的处理。

为了充分的利用 GPU 的并行处理能力，大部分的显卡厂商都推出了自己的 GPU 开发SDK，比如：

NVIDIA —— CUDA
Intel —— Intel® Media SDK
AMD —— AMD APP SDK（前身是 ATI Stream）

当然这些厂商都是各自为阵，推出的 SDK 都是只能用于自己的显卡的 SDK，所以代码想要在不同的平台上能够统一是比较困难的。

OpenCL

OpenCL（Open Computing Language，开放计算语言），是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。这种语言主要是为了异构平台的并行运行设计的。

从本质上来说，它和 CDUA 等等 SDK 上是不同的，它是一种语言，相当于是 Java语言这个级别，而后者是一个开发包，相当于 JDK 这个级别。

OpenCL 目前的语言规范已经到了 2.1（Preview），支持最好的 AMD 的 SDK，最新版本已经支持了 OpenCL 2.0，其他两个只支持 OpenCL 1.2。

OpenCL 提供了一个统一的 API，这个 API 在上述的厂商的 SDK 中都有实现。所以安装 CUDA 会包含 OpenCL 组件，它是英伟达对于 OpenCL 语言的一种实现。

OpenCL API VS SDK

OpenCL API 最大的优势在于它的跨平台，可以在不同的架构上运行，所以理论上它比 SDK 更有竞争力。但是它最大的问题在于它的 API Level 比较基础，直接使用它进行视频的编解码处理难度比较大。

此外 OpenCL API 的实现是依赖于底层的 GPU 架构的，不同的厂商提供了不同的实现，使用之前需要安装不同厂商提供的实现，从这个角度考虑 OpenCL 的跨平台并没有想象中那么完美。

SDK 的问题在于不同的厂商的 SDK 是不兼容的。但是它提供了比 OpenCL API 更加丰富的功能，比如 NVIDIA 直接提供了视频编解码相关的接口，使用起来会比OpenCL API 更加的轻松。

英伟达硬件编解码方案

实现英伟达的 GPU 硬件编解码可以使用如下几种方案：

基于 OpenCL 的 API 自己写一个编解码器

这的难度非常大，首先你需要对于 OpenCL API 非常的熟悉，其次你需要对于编解码的知识了解的非常透彻。这两个问题的任何一个都有非常大的难度，以目前已有的技术来说成功的概念不是特别大。

MainConcept 公司做了这件事情，它提供了基于 OpenCL 的 H264/AVC 编码器，但是这个编码器是商用的（此外它还提供了基于 CUDA 的编码器和基于 Intel QSV 的编解器，以及包装过前面几者的编码器）。

所以从技术可行性上来说这个是可行的，只是目前来说个人还不具备这个实力。

使用 SDK 中的编解码接口

英伟达关于视频的编解码提供了两个相关的 SDK

NVENC
NVCUVID

前者负责硬件编码，二后者负责硬件解码。

NVENC 是一个单独的 SDK，集成在最新的显卡驱动上面，安装最新的驱动之后可以找到相关的库文件。在 Ubuntu 14.04 中，可以在 /usr/lib/nvidia-352/ 目录下面找到相关的库文件。

NVCUVID 是 CUDA 的组件，包含在最新的 CUDA Toolkit 中。不过在显卡的类库中可以找到 libnvcuvid.so 这个库文件。在之前版本的显卡驱动中其他还包含一个称之为 NVCUVENC 的硬件编码器和 NVCUVID 相对应，不过目前这个组件已经被 NVENC 替代了。