本来以为很简单，因为印象中自己在windows机器上使用过。

目前的实在一个docker环境下的ubuntu系统里。

官方操作文档

按照官方操作文档Using FFmpeg with NVIDIA GPU Hardware Acceleration - NVIDIA Docs的描述，步骤很简单：

1、安装nv-codec-headers的头文件。

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

2、克隆ffmpeg源代码。

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

3、安装编译源代码需要的依赖库。

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

4、配置编译条件，进行编译安装。

./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、进行测试使用。

可能出问题的坑

但是这里隐含了几个前提条件。

1、nv-codec-headers是有版本对应的，需要根据目标机器上的驱动版本，选择对应的版本。

查看目标机器上的驱动版本可以执行nvidia-smi查看。

nv-codec-headers里的README文件里写了匹配的版本信息。

2、目标机器需要安装CUDA toolkit，这个文档里有写，可以执行nvcc --version查看是否安装成功。

3、配置ffmpeg编译条件的时候，里面包含了两个目录：

/usr/local/cuda/lib64和/usr/local/cuda/include。要确保这两个目录里确实有需要的文件。

笔者就发现目标机器上的/usr/local/cuda/lib64是空的，然后通过：

find / -name 'libcuda*' 命令找到了实际存在libcuda.so文件的目录是：/usr/lib/x86_64-linux-gnu/。

这样就需要替换掉编译条件里的目录。

4、启动docker的命令里需要把宿主机的视频能力赋予docker容器。

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

参考文档：https://www.cnblogs.com/azureology/p/18290262

User Guide — container-toolkit 1.10.0 documentation

最后所有依赖和路径设置正确以后。执行./configure的完整命令。会输出完整支持的编码解码器信息，注意看是否包含h264_nvenc。如果包含了就证明设置正确了。