ffmpeg nvenc GPU 内存使用
ffmpeg nvenc GPU Memory Usage
我在 NVIDIA QUADRO K4200 上转码 Ubuntu 中的视频（ffmpeg 版本为 2.7.1，NVENC SDK 5.0。 1).一个流的 GPU 内存使用量为 100 MB。请查看 nvidia-smi 命令的输出：
但是当我运行在另一台电脑NVIDIA GTX 980 TI上使用相同的ffmpeg参数进行相同的转码过程时（ffmpeg版本是3.0 , NVENC SDK 5.0.1) 然后一个流的 GPU 内存使用量为 170 MB。请看下面的截图：
为什么内存使用有这么大的差异？我可以像在 QUADRO K4000 上那样将 GTX 980 TI 上的 GPU 内存使用量减少到 100MB 以进行一个转码过程吗？
您的答案：
在 Quadro 和 Tesla GPU 上，最大并发 NVENC 会话的数量是无限的，因此，这些平台通常会为相同的工作单元产生较低的驱动程序开销。
明智的做法是考虑与 NVCUVENC（使用您的 CUDA 内核对基本视频流进行编码）不同，NVENC 是一种专用的基于硬件的 Silicon Intellectual 属性 内核 (SIP)，如果您重新比较不同的驱动程序和平台版本，所有其他因素保持不变，您的里程总是会有所不同。
感谢和问候，
Brainiarc7.
我在 NVIDIA QUADRO K4200 上转码 Ubuntu 中的视频（ffmpeg 版本为 2.7.1，NVENC SDK 5.0。 1).一个流的 GPU 内存使用量为 100 MB。请查看 nvidia-smi 命令的输出：
但是当我运行在另一台电脑NVIDIA GTX 980 TI上使用相同的ffmpeg参数进行相同的转码过程时（ffmpeg版本是3.0 , NVENC SDK 5.0.1) 然后一个流的 GPU 内存使用量为 170 MB。请看下面的截图：
为什么内存使用有这么大的差异？我可以像在 QUADRO K4000 上那样将 GTX 980 TI 上的 GPU 内存使用量减少到 100MB 以进行一个转码过程吗？
您的答案：
在 Quadro 和 Tesla GPU 上，最大并发 NVENC 会话的数量是无限的，因此，这些平台通常会为相同的工作单元产生较低的驱动程序开销。
明智的做法是考虑与 NVCUVENC（使用您的 CUDA 内核对基本视频流进行编码）不同，NVENC 是一种专用的基于硬件的 Silicon Intellectual 属性 内核 (SIP)，如果您重新比较不同的驱动程序和平台版本，所有其他因素保持不变，您的里程总是会有所不同。
感谢和问候，
Brainiarc7.