1.极智开发 | ubuntu源码编译gpu版ffmpeg
2.如何在PC上正确播放4K HDR视频
3.极智一周 | 谈谈AI发展、视界训练算力、源码推理算力、新视AI编译框架、界源Copilot键 And so on
4.极智开发 | 解读英伟达软件生态 一切的视界基础CUDA

极智开发 | ubuntu源码编译gpu版ffmpeg

       欢迎访问极智视界公众号，获取更多深入的源码ubuntufork源码编程知识与实战经验分享。

       本文将带你了解在 Ubuntu 系统中，新视如何进行源码编译，界源获得 GPU 加速版本的视界 FFmpeg 工具。

       FFmpeg 是源码一款功能强大的音视频处理工具，支持多种格式的新视音视频文件，并提供了丰富的界源命令行工具和库，允许开发者在 C 语言或其他编程语言中进行音视频处理。视界

       然而，源码FFmpeg 本身并不具备 GPU 加速功能。新视通过集成 CUDA SDK、OpenCL 或 Vulkan 等第三方库，能够实现 FFmpeg 的 GPU 加速，显著提升处理速度和性能。

       在本文中，我们将重点介绍如何在 Ubuntu 系统中编译 GPU 加速版本的 FFmpeg。

       首先，确保已安装 nv-codec-hearers，这是 NVIDIA 提供的 SDK，用于在 GPU 上加速 FFmpeg 的hibernate hql解析源码操作。

       接下来，安装 FFmpeg 编码库和相关依赖，完成 FFmpeg 的编译配置。

       最后，运行编译命令，检查 FFmpeg 是否成功安装并验证 GPU 加速功能。

       至此，GPU 加速版本的 FFmpeg 已成功编译和安装，能够为你在音视频处理任务中带来显著性能提升。

       通过极智视界公众号，获得更多有关人工智能、深度学习的前沿技术与实用知识，欢迎加入知识星球，获取丰富的资源与项目源码，共同探索 AI 领域的无限可能。

如何在PC上正确播放4K HDR视频

       在探讨如何在个人电脑上正确播放4K HDR视频之前，首先需要了解如何分辨一部视频是否为真正的HDR内容。通过使用Mideainfo软件并检查HEVC编码、HDR、PQ、bit、BT.等描述，可以断定视频为HDR格式，最高画面亮度需求可达nit。影视cms引流源码面对颜色淡、亮度不足的问题，正确的解决方案是使用Madvr滤镜，以确保HDR内容的正确映射。对于Windows用户，开启HDR开关后，MPV、VLC、Kodi等播放器以及使用MadVR滤镜的Potplayer、MPC-HC等工具可以正确播放HDR格式的片源。此外，VLC还支持HLG格式片源的正确播放和显示。

       随着科技的进步，播放器功能的增强，MPC VR滤镜被完美解码集成，使得HDR播放体验更加流畅。如果你的PC配备了支持HDR的显示器，连接并开启HDR模式，可以充分利用显示器的高亮度和广色域特性，享受更佳的视觉体验。连接电视时，确保使用支持HDR的HDMI端口，并在设置中开启相应的增强模式。在Windows系统中，cf封神内部源码通过设置播放HDR游戏和应用，可以激活HDR模式，使用PQ感知量化曲线和BT色彩空间，以替代传统2.2伽马的sRGB模式。在Windows HD Color设置中，确保播放HDR游戏和应用以及流式传输HDR的开关打开，非HDR画面在显示器上的亮度设置可以根据显示器的HDR等级进行调整。开启Windows HDR开关后，显示设备的亮度会自动设为最大值，SDR内容则受到限制以避免过亮。

       为了验证播放软件是否正在输出HDR画面内容，可以使用截图软件截图，图像高亮部分为白色即代表为HDR状态。SDR内容未经限制直接以高亮度显示可能会导致视觉不适，而HDR视频则遵循特定的亮度规则。在Windows 系统中，无需特别开启HDR开关，使用Madvr作为渲染器，全屏播放即可自动输出HDR，并激活电视的HDR状态。此外，Windows自带的“**和电视”播放器，通过购买HEVC解码器，提供了流畅的springboot毕设源码操作和媲美索尼内置播放器的画质，支持MKV的内置字幕和音轨，以及选择外挂字幕。在连接支持HDR的显示器或电视时，播放器可以完美实现包括DTS、DTS HD、TrueHD、DD+（EAC3）的源码输出，对于杜比ATOMS音轨的源码输出，可能至少正确输出了其中的TrueHD，但具体情况还需进一步验证。

       对于杜比视界profile 5.0的MP4格式，即WebDL类流媒体所用的单层杜比视界片源，在Windows 下可以安装dolby vision+hdr.appxbundle插件来解决偏色问题，但只能使用**与电视播放器播放，且需要先安装HEVC解码器，开启win HDR开关后，可以得到HDR图像观感。此外，Kodi播放器现在支持HDR和4K原盘导航，搭配个人电脑（HTPC）使用，体验更加流畅。对于连接支持HDR的电视时，确保在电视端也开启HDR模式，以实现完整的HDR体验。总体而言，通过正确的设备配置和软件选择，用户可以在个人电脑上轻松播放和欣赏4K HDR视频，享受更佳的视觉效果。

极智一周 | 谈谈AI发展、训练算力、推理算力、AI编译框架、Copilot键 And so on

       极智视界，为您揭示AI发展前沿与挑战。本周聚焦：AI发展、训练算力、推理算力、AI编译框架、Copilot键。

       探索AI技术边界，极智视界邀您加入「极智视界」知识星球，获取独家资源与项目实战源码，链接：t.zsxq.com/0aiNxERDq。

       本周热点文章一览：

       (1) AI发展系列

       深度剖析AI训练算力、AI推理算力与AI编译框架，结合作者多年AI实践心得，分享AI行业动态与个人思考，内容详实，助您洞悉AI技术前沿。

       (2) 微软Copilot键

       微软创新之举，在键盘中集成Copilot键，作者对此提出独特见解与批判性思考，探讨技术革新与用户体验的平衡。

       本周精选内容，旨在提供高质量信息，内容精简，价值不减。

       极智一周，愿您周末愉快！

极智开发 | 解读英伟达软件生态 一切的基础CUDA

       欢迎关注我的公众号 [极智视界]，获取我的更多经验分享

       大家好，我是极智视界，本文来介绍一下 解读英伟达软件生态 一切的基础CUDA。

       邀您加入我的知识星球「极智视界」，星球内有超多好玩的项目实战源码下载，链接： t.zsxq.com/0aiNxERDq

       CUDA，全称为 Compute Unified Device Architecture，是英伟达于 年推出的一个平行计算平台和应用编程接口 API 模型。CUDA 之于英伟达的重要性主要体现在下面几个方面：

       所以，解读英伟达软件生态，必须要从 CUDA 说起。虽然 CUDA 再往下还有如 PTX 的指令集加速层级，但是PTX 的普及程度其实并不高，甚至可能很多朋友都没听说过 PTX，其实也算正常，因为基本上的 N 卡开发者，根本没必要接触到 PTX，把 CUDA 学好就足够够的了。

       把 CUDA 作为标杆，似乎是很多 AI 芯片厂商 "共同的做法"，比较有代表性的是升腾的 Ascend C、寒武纪的 Bang C，但是其实这几个之间有相似但又有不相似的地方。相似的地方在于不管是升腾还是寒武纪都想提供一套类似 CUDA 的可以充分调用自己 NPU 硬件加速的对外接口，提高客制化的灵活性。不相似的地方一方面在于我们是在学人家，很多接口其实是为了贴近 CUDA 的接口而进行的高级封装，毕竟大部分开发者其实已经形成了 CUDA 的开发习惯，这个时候让大家切换起来更加顺手的做法就是 "模仿"，而要做这种程度的 "模仿" 势必要协调好硬件架构和软件接口的映射；不相似的另外一方面体现在软件生态的层次清晰度，这个拿升腾来专门说，升腾 Ascend C 的发布时间在 年 5 月 6 日，而反观英伟达 CUDA 的发布时间是 年。什么意思呢，很明显可以看到英伟达的软件生态是以 CUDA 为基础然后层层往上叠的，而升腾是先有了 CANN，先有了 MindSpore 这些 "高层建筑"，然后往下才有了 Ascend C，这种软件生态的层次结构就没有那么清晰，当然这种说法也只是基于时间上的，这并不影响它在空间上还是具备不错的软件生态层次结构。

       再回到 CUDA 本身，需要清楚的一点是，CUDA 其实一开始主要是面向优化计算密集型计算 (Compute-Bound)，因为不管是最开始的通用科学计算还是后来的以 CNN 为主流的深度学习计算都是计算密集型，但是后来 Transformer 又逐渐流行，所以 CUDA 也是不断在 "与时俱进" 在做平衡、做兼顾，比如在 A 开始，CUDA 新增了从 L1 Cache 到 HBM Global Memory 数据直接异步拷贝的指令，其实也是在丰富自身对于访存密集型计算 (Memory-Bound) 的优化。

       我之前写过挺多关于 CUDA 的分享，罗列一些，

       CUDA 是一种硬件强相关的编程模型，要掌握好 CUDA，需要先看懂 GPU 硬件架构，从而映射到 CUDA 内存模型、线程模型上，这点跟 C 语言、跟 C++ 这类 "高级" 编程语言就很不一样，所以很多朋友会觉得 CUDA C 比较难写，特别是要写出高性能的 CUDA C，比较难。确实，这是事实，特别是对于写出高性能的 CUDA C，会涉及资源的高效调度，比如 Shared Memory、L1 Cache 等的调度；会涉及适应硬件架构超参的配置，比如 Thread、Block、Grid 等的配置。

       总之，对于 CUDA 的深入学习，是一门 "稳挣不亏" 的 "买卖"，原因不再过多赘述，主要体现在它的重要性上。

       好了，以上分享了 解读英伟达软件生态 一切的基础CUDA，希望我的分享能对你的学习有一点帮助。

       公众号传送