本來以為很簡單，因為印象中自己在windows機器上使用過。

目前的實在一個docker環境下的ubuntu系統里。

官方操作文檔

按照官方操作文檔Using FFmpeg with NVIDIA GPU Hardware Acceleration - NVIDIA Docs的描述，步驟很簡單：

1、安裝nv-codec-headers的頭文件。

git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git
cd nv-codec-headers && sudo make install && cd –

2、克隆ffmpeg源代碼。

git clone https://git.ffmpeg.org/ffmpeg.git ffmpeg/

3、安裝編譯源代碼需要的依賴庫。

sudo apt-get install build-essential yasm cmake libtool libc6 libc6-dev unzip wget libnuma1 libnuma-dev

4、配置編譯條件，進行編譯安裝。

./configure --enable-nonfree --enable-cuda-nvcc --enable-libnpp --extra-cflags=-I/usr/local/cuda/include --extra-ldflags=-L/usr/local/cuda/lib64 --disable-static --enable-shared

5、進行測試使用。

可能出問題的坑

但是這里隱含了幾個前提條件。

1、nv-codec-headers是有版本對應的，需要根據目標機器上的驅動版本，選擇對應的版本。

查看目標機器上的驅動版本可以執行nvidia-smi查看。

nv-codec-headers里的README文件里寫了匹配的版本信息。

2、目標機器需要安裝CUDA toolkit，這個文檔里有寫，可以執行nvcc --version查看是否安裝成功。

3、配置ffmpeg編譯條件的時候，里面包含了兩個目錄：

/usr/local/cuda/lib64和/usr/local/cuda/include。要確保這兩個目錄里確實有需要的文件。

筆者就發現目標機器上的/usr/local/cuda/lib64是空的，然后通過：

find / -name 'libcuda*' 命令找到了實際存在libcuda.so文件的目錄是：/usr/lib/x86_64-linux-gnu/。

這樣就需要替換掉編譯條件里的目錄。

4、啟動docker的命令里需要把宿主機的視頻能力賦予docker容器。

--gpus 'all,"capabilities=compute,video,utility"'

參考文檔：https://www.cnblogs.com/azureology/p/18290262

User Guide — container-toolkit 1.10.0 documentation

最后所有依賴和路徑設置正確以后。執行./configure的完整命令。會輸出完整支持的編碼解碼器信息，注意看是否包含h264_nvenc。如果包含了就證明設置正確了。