ubuntu16.04 配置ffmpeg,cuda,opencl环境
2016-08-14 21:37
393 查看
问题描述
在新装的ubuntu16.04系统上配置ffmpeg环境,cuda环境和opencl环境。ffmpeg的安装
ffmpeg简介
ffmpeg是一个集视频解码,编码,转码,多路复用,解复用,推流,滤波和播放与一体的跨平台开源框架。(https://ffmpeg.org/)它有功能强大,简单易用的命令行工具ffmpeg(多媒体转码),ffserver(推流服务器),ffplay(基于SDL和ffmpeg的媒体播放)和ffprobe(码流解析)。也提供功能强大的开源库,包含avcodec,avdevice,avutil,avformat,avfilter,swscale和swresample,来使开发人员能够更快更好地开发多媒体处理软件。
ffmpeg命令行工具的安装
ffmpeg可以通过编译源码的方式安装,不过我们还可以通过另一种更加简单的方式安装——PPA安装。如下:
$ sudo apt-add-repository ppa:mc3man/trusty-media $ sudo apt-get update $ sudo apt-get install ffmpeg
同时我们也可以使用很简单的方法卸载ffmpeg.
$ sudo apt-get remove ffmpeg
我们可以使用这条命令来检测是否安装成功:
$ sudo ffmpeg image.jpg image.yuv //image.jpg为该目录下的jpeg格式的图片文件 $ sudo ffplay -f rawvideo -video_size 1024x768 image.yuv //1024x768是image.jpg的宽高像素值
如果没有出现 cannot find the command,说明ffmpeg安装成功,也可以进入”/usr/bin”文件夹,查看是否有ffmpeg和ffplay这两个二进制文件存在。
到这里我们已经把ffmpeg命令行工具安装成功了。
ffmpeg库的安装
我们如果做开发的话,需要的不是ffmpeg的命令行工具,而是他的头文件和库文件,接下来我们需要将头文件和库文件注册到系统中,这里我们同样适用PPA的方式:$ sudo apt-add-repository ppa:mc3man/trusty-media $ sudo apt-get update $ sudo apt-get install avcodec-dev $ sudo apt-get install avdevice-dev
上面两条命令将ffmpeg相关的两个最重要的库的头文件和库文件注册到了系统中,并将他们依赖的库文件也同时安装了。我们通过一下方式查看是否安装成功。
进入文件夹“/usr/local/include”,这里应该有一个ffmpeg文件夹,里面含有libavcodec, libavdevice, >libavfilter, libavformat, libavresample, libavutil, libpostproc, libswresample, libswscale等文件夹和其>他一些头文件,这说明这些头文件已经有了,我们在做开发的时候只要将这个路径加上就可以了。
进入文件夹”/usr/lib/x86_64-linux-gnu”(我的系统是64的linux系统),在里面搜索”libavcodec”,查看是否有.a文集和.so文件(分别为linux下的静态库和动态库),之后分别查看”libavdevice”, “libavfilter”, “libavformat”, “libavutil”, “libswscale”等的库文件是否存在。
上面检查通过,就说明我们的ffmpeg库文件安装成功了,在进行开发时将头文件的路径和库文件的路径分贝加入包含目录和库目录即可。
cuda环境的配置
cuda简介
cuda是由Nvidia公司开发的并行计算平台,它致力于通过挖掘GPU的并行计算能力开提高电脑的计算性能。(http://docs.nvidia.com/cuda/cuda-getting-started-guide-for-linux/index.html)
最新cuda tookit的发行版是7.5,但是7.5不支持ubuntu 16.04,只有内测的cuda tookit 8.0 RC支持ubuntu 16.04。
安装cuda
下载cuda tookit 8.0进入nvidia官网,并注册,加入开发者。之后在Member Aera中找到cuda tookit 8.0 RC下载对应的ubuntu 16.04的run文件。
或者通过我的百度云分享下载相应的run 文件:链接: http://pan.baidu.com/s/1i5sbkrF 密码: n2bs
安装
对于run文件,直接运行它就可以,但是由于cuda涉及显卡驱动,我们需要关闭ubuntu的图像界面,使用命 令行界面进行安装。
关闭图形界面:
sudo service lightdm stop
”ctrl+alt+F1“即可进入命令行界面。
如果此处持续黑屏,请参考我的另一篇博客ubuntu16.04命令行模式黑屏解决办法。
进入下载目录。并运行run 文件。
$ sudo cd ~/Downloads $ sudo ./cuda_8.0.27_linux.run
下面会有很多选项,对于是否重装Nvidia显卡的选项,我们根据自己的需要选择是否重装,对于安装路径,可以直接选择默认,安装过程可能需要十几分钟(记不清了),最后会提示是否安装samples,我们可以选择安装,之后可以通过编译samples文件来检查cuda是否安装成功。
安装完成后”sudo reboot“重启。
编译samples
如果我们的安装路径是默认的,那么会在”/usr/local/”下面多出来一个”cuda-8.0”文件夹,里面包含了cuda的头文件和库文件,以及samples。(cuda文件夹链接到了cuda-8.0文件夹)下面我们编译其samples文件。
$ sudo /usr/local/cuda-8.0/samples $ sudo make
编译成功则说明cuda安装成功。
opencl安装
此处使用cuda中包含的opencl的库文件,头文件和库文件的路径分别是:头文件:(CUDA_PATH)/include/
库文件:(CUDA_PATH)/lib64/
默认的CUDA_PATH是/usr/local/cuda-8.0
才疏学浅,敬请批评指正
相关文章推荐
- ubuntu16.04下安装配置深度学习环境(Ubuntu 16.04/16.10+ cuda7.5/8+cudnn4/5+caffe)
- 深度学习环境配置:ubuntu16.04 + cuda8.0 + cudnn5.1
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- Ubuntu 16.04的caffe环境配置:cuda 8.0+cudnn 8.0+opencv3.1.0 + python2.7 + matlab2016b + blas(OpenBlas)
- NVIDIA TX2(Ubuntu16.04)+CUDA8.0+OpenCV3.4环境配置
- 深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0
- Ubuntu16.04 + CUDA8.0 + OpenCL + Nvidia 安装配置和问题总结
- 深度环境配置ubuntu16.04 cuda9.0 cudnnv7.0 tensorflow1.5
- caffe2环境配置:ubuntu16.04 LTS+GTX1070+CUDA8.0+cuDNN8.0+Caffe2
- Ubuntu16.04配置tensorflow-gpu环境(CUDA+cuDNN)
- 深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- Ubuntu16.04+GTX1050ti+CUDA8.0+TensorFlow-gpu+Keras+Pycharm配置深度学习环境
- Ubuntu16.04安装cuda8.0,cudnn6.0,并在conda里安tensorflow1.3(与cuda8.0匹配),pycharm的gpu加速环境变量配置
- 深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow
- Ubuntu16.04+GTX1070显卡驱动+cuda8.0+cudnn5.1+tensorflow-gpu环境配置
- 深度学习环境配置Ubuntu16.04+CUDA8.0+CuDNN+Anaconda2+openCV2.4.9+caffe(全离线GPU版)
- Ubuntu16.04 +gtx 1070+CUDA 8.0+ +caffe环境配置过程
- Ubuntu16.04 + GTX 1070 + CUDA8.0 + cuDNN5.1环境配置
- Ubuntu16.04配置CUDA开发环境