Deprecation notice

VPF заменяется библиотекой PyNvVideoCodec с более удобным API и поддержкой pip install. Библиотека предлагает простые в использовании Python API, предоставляя доступ к основным возможностям кодирования и декодирования видео C/C++ Video Codec SDK.

Библиотека PyNvVideoCodec распространяется в двух форматах: бинарное распространение через PyPI и распространение исходного кода через NVIDIA NGC. В обоих случаях её можно установить с помощью одной команды pip install. Библиотека распространяется под лицензией MIT и официально поддерживается NVIDIA. PyNvVideoCodec поддерживает все функции VPF (кроме программного кодирования/декодирования и преобразования формата поверхности).

Для получения дополнительной информации посетите страницу «Начало работы с PyNvVideoCodec».

Мы хотели бы поблагодарить Романа Арзуманяна, оригинального автора VPF, за его поддержку и усилия на протяжении этих лет. Роман продолжит свою работу над VALI, также используя графические процессоры NVIDIA.

VideoProcessingFramework

VPF — это набор библиотек C++ и привязок Python, который обеспечивает полное аппаратное ускорение для задач обработки видео, таких как декодирование, кодирование, транскодирование и преобразование цветового пространства и формата пикселей с ускорением на GPU.

VPF также поддерживает экспорт объектов памяти GPU, таких как кадры декодированного видео, в тензоры PyTorch без копирования Host to Device.

Предварительные требования

VPF работает на Linux (только Ubuntu 20.04 и Ubuntu 22.04) и Windows.

• Драйвер дисплея NVIDIA: 525.xx.xx или выше.
• CUDA Toolkit 11.2 или выше (CUDA Toolkit имеет драйвер в комплекте, например, CUDA Toolkit 12.0 имеет драйвер 530.xx.xx. Во время установки CUDA toolkit вы можете выбрать установку или пропустить установку встроенного драйвера. Пожалуйста, выберите соответствующий вариант).
• FFMPEG (скомпилируйте FFMPEG с общими библиотеками или загрузите предварительно скомпилированные двоичные файлы из надёжного источника. Во время «pip install» VPF вам нужно указать путь к каталогу, куда был установлен FFMPEG).
• Python 3 и выше.
• Установите набор инструментов C++ либо через Visual Studio, либо через инструменты для Visual Studio (рекомендуемая версия — Visual Studio 2017 и выше).

Linux

Рекомендуется использовать Ubuntu 20.04, поскольку она поставляется с достаточно свежими системными пакетами FFmpeg. Если вы хотите собрать FFmpeg из исходного кода, вы можете следовать инструкциям на сайте https://docs.nvidia.com/video-technologies/video-codec-sdk/12.0/ffmpeg-with-nvidia-gpu/index.html.

# Установите зависимости
apt install -y \
          libavfilter-dev \
          libavformat-dev \
          libavcodec-dev \
          libswresample-dev \
          libavutil-dev\
          wget \
          build-essential \
          git

# Установите CUDA Toolkit (если ещё не установлен)
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt-get update
sudo apt-get install -y cuda
# Убедитесь, что nvcc добавлен в ваш $PATH (чаще всего это уже сделано при установке CUDA)
export PATH=/usr/local/cuda/bin:$PATH

# Установите VPF
pip3 install git+https://github.com/NVIDIA/VideoProcessingFramework
# или если вы клонировали этот репозиторий
pip3 install .

Чтобы проверить, правильно ли установлен VPF, запустите следующий скрипт Python.

import PyNvCodec

Если вы используете Docker через Nvidia Container Runtime, убедитесь, что включена возможность драйвера video: https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/user-guide.html#driver-capabilities через переменную среды NVIDIA_DRIVER_CAPABILITIES.