xychelsea/ffmpeg-nvidia

FFmpeg-NVIDIA Docker镜像说明

镜像概述

本镜像基于NVIDIA CUDA容器构建，在Anaconda3环境中预装了支持GPU加速的FFmpeg工具，提供两个版本：基础版（xychelsea/ffmpeg-nvidia:latest）和带Jupyter Notebooks的版本（xychelsea/ffmpeg-nvidia:latest-jupyter）。镜像默认使用Miniconda轻量环境，支持通过conda命令创建自定义环境，适合多媒体处理场景下的硬件加速需求。

核心功能

1. GPU加速编解码：集成NVIDIA CUDA与FFmpeg的cuvid解码器、nvenc编码器，实现高效的硬件加速多媒体处理。
2. Anaconda环境支持：基于Miniconda，预装conda命令，可通过conda-forge仓库安装依赖，支持自定义环境配置。
3. Jupyter Notebooks选项：提供带Jupyter服务的版本，方便交互式开发与多媒体数据分析。
4. 多平台兼容：遵循FFmpeg的高可移植性，支持Linux等主流系统的GPU容器运行。

使用场景

1. 视频转码任务（如H.264到H.265的硬件加速转码）；
2. 批量多媒体文件处理（解码、编码、滤镜应用等）；
3. 结合Jupyter进行多媒体算法原型开发；
4. 高性能视频流处理与分析场景。

配置说明

获取镜像

• 基础版：

  bash
  docker pull docker.xuanyuan.run/xychelsea/ffmpeg-nvidia:latest
  

• 带Jupyter版本：

  bash
  docker pull docker.xuanyuan.run/xychelsea/ffmpeg-nvidia:latest-jupyter
  

运行容器

• 基础版（进入bash交互）：

  bash
  docker run --gpus all --rm -it \
       -v workspace:/home/anaconda/workspace \
       docker.xuanyuan.run/xychelsea/ffmpeg-nvidia:latest /bin/bash
  

• Jupyter版本（后台运行并映射端口）：

  bash
  docker run --gpus all --rm -it -d \
       -v workspace:/home/anaconda/workspace \
       -p 8888:8888 \
       docker.xuanyuan.run/xychelsea/ffmpeg-nvidia:latest-jupyter
  

使用FFmpeg

1. 验证GPU设备：进入容器后执行nvidia-smi确认GPU可见性；
2. 检查FFmpeg路径：which ffmpeg（默认路径为/usr/local/ffmpeg-nvidia）；
3. 验证硬件编解码支持：

   bash
   ffmpeg -codecs | grep -e cuvid  # 检查解码支持
   ffmpeg -codecs | grep -e nvenc  # 检查编码支持
   

4. 示例转码（H.264到H.265）：

   bash
   ffmpeg \
       -vsync 0 \
       -hwaccel cuvid \
       -c:v h264_cuvid \
       -i input.mp4 \
       -c:v hevc_nvenc \
       -cq:v 4 \
       output.mp4
   

构建镜像

1. 克隆仓库：

   bash
   git clone git://github.com/xychelsea/ffmpeg-docker.git
   cd ffmpeg-docker
   

2. 构建基础版：

   bash
   docker build -t ffmpeg-nvidia:latest -f Dockerfile .
   

3. 构建Jupyter版本：

   bash
   docker build -t ffmpeg-nvidia:latest-jupyter -f Dockerfile.jupyter .
   

参考链接

• https://ffmpeg.org
• https://hub.docker.com/r/nvidia/cuda
• https://www.anaconda.com
• https://conda-forge.org/
• https://developer.nvidia.com/blog/nvidia-ffmpeg-transcoding-guide/