CN106888400B - 一种用于实现转码任务调度的方法和*** - Google Patents

一种用于实现转码任务调度的方法和*** Download PDF

Info

Publication number
CN106888400B
CN106888400B CN201510930440.1A CN201510930440A CN106888400B CN 106888400 B CN106888400 B CN 106888400B CN 201510930440 A CN201510930440 A CN 201510930440A CN 106888400 B CN106888400 B CN 106888400B
Authority
CN
China
Prior art keywords
total
gpu card
decoding capability
gpu
ability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510930440.1A
Other languages
English (en)
Other versions
CN106888400A (zh
Inventor
刘晓玲
陈云海
张萍
林立宇
铁兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN201510930440.1A priority Critical patent/CN106888400B/zh
Publication of CN106888400A publication Critical patent/CN106888400A/zh
Application granted granted Critical
Publication of CN106888400B publication Critical patent/CN106888400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440236—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by media transcoding, e.g. video is transformed into a slideshow of still pictures, audio is converted into text

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种用于实现转码任务调度的方法和***，涉及视频转码领域。其中的方法包括：统计GPU卡集合当前的总编码能力Es及总解码能力Ds；判断总编码能力Es与总解码能力Ds是否相匹配；若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。本发明通过将GPU卡的编码与解码能力分开计算，基于编解码能力匹配原则，并结合编解码能力的相关影响关系，进行任务调度，可最大限度地利用GPU的能力，达到转码任务的最大吞吐率。

Description

一种用于实现转码任务调度的方法和***
技术领域
本发明视频转码领域，尤其涉及一种用于实现转码任务调度的方法和***。
背景技术
在视频转码任务中解码与编码是生产者与消费者关系，解码与编码能力必须相匹配。而现实中GPU卡存在编解码能力不对称问题，一些GPU卡的单独执行编码或解码的能力比是1:3，而一些配置了专用编码电路的GPU卡编码能力可能与解码能力相当，甚至更强。并且，GPU卡在同时执行编解码时，编解码能力存在影响关系。根据测试结果，GPU卡同时编解码时，解码对编码的影响关系如图1所示。横坐标为kd，纵坐标为ke。在解码量较小时，解码对编码不产生影响，此时影响系数ke为1。当解码量较大，达到一定阈值，则会对编码产生影响，影响系数ke<1。当解码达到最大值时，编码能力受损最为严重，记此时的ke为kmin。由于GPU卡编解码能力不对称，导致以卡为单位进行转码任务分配时，处理能力受限。
发明内容
本发明要解决的是非对称的多GPU卡编解码能力不对称的问题。
根据本发明一方面，提出一种用于实现转码任务调度的方法，包括：统计GPU卡集合当前的总编码能力Es及总解码能力Ds；判断总编码能力Es与总解码能力Ds是否相匹配；若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
进一步地，若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力的步骤包括：若总解码能力不足，则从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的解码能力设置为最大化，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
进一步地，若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力的步骤还包括：若总编码能力不足，则从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的编码能力设置为最大化，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
进一步地，从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的编码能力设置为最大化的步骤包括：在GPU卡集合中，按照GPU卡的编码能力与解码能力之比从小到大的顺序，依次选择GPU卡，将所选择GPU卡的编码能力设置为最大化，直到GPU卡集合当前的总编码能力Es同总解码能力Ds相匹配。
进一步地，判断总编码能力Es与总解码能力Ds是否相匹配的步骤包括：判断公式Ds<Es×k是否成立，其中k为***参数；若公式Ds<Es×k成立，则判定总解码能力不足；若公式Ds<Es×k不成立，则判定总编码能力不足。
根据本发明的另一方面，还提出一种用于实现转码任务调度的***，包括：统计单元，用于统计GPU卡集合当前的总编码能力Es及总解码能力Ds；判断单元，用于判断总编码能力Es与总解码能力Ds是否相匹配；调整单元，用于若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
进一步地，调整单元用于若总解码能力不足，则从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的解码能力设置为最大化，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
进一步地，调整单元用于若总编码能力不足，则从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的编码能力设置为最大化，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
进一步地，调整单元用于在GPU卡集合中，按照GPU卡的编码能力与解码能力之比从小到大的顺序，依次选择GPU卡，将所选择GPU卡的编码能力设置为最大化，直到GPU卡集合当前的总编码能力Es同总解码能力Ds相匹配。
进一步地，判断单元用于判断公式Ds<Es×k是否成立，其中k为***参数；若公式Ds<Es×k成立，则判定总解码能力Ds不足；若公式Ds<Es×k不成立，则判定总编码能力Es不足。
与现有技术相比，本发明通过将GPU卡的编码与解码能力分开计算，基于编解码能力匹配原则，并结合编解码能力的相关影响关系，进行任务调度，可最大限度地利用GPU的能力，达到转码任务的最大吞吐率。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1为解码对编码的影响关系图。
图2为本发明用于实现转码任务调度的方法的一个实施例的流程示意图。
图3为本发明用于实现转码任务调度的方法的另一个实施例的流程示意图。
图4为本发明用于实现转码任务调度的***的一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图2为本发明用于实现转码任务调度的方法的一个实施例的流程示意图。该方法包括以下步骤：
在步骤210，统计GPU卡集合当前的总编码能力Es及总解码能力Ds。
GPU(Graphics Processing Unit，图形处理器)卡集合中包含多个非对称的GPU卡。
在步骤220，判断总编码能力Es与总解码能力Ds是否相匹配。若总编码能力Es与总解码能力Ds不相匹配，则执行步骤230，否则，执行步骤240。
该过程可以根据公式Ds<Es×k是否成立进行判断，若公式Ds<Es×k成立，则判定总解码能力不足；若公式Ds<Es×k不成立，则判定总编码能力不足，其中k为***参数。
在步骤230，调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
在步骤240，不进行调整。
在该实施例中，通过统计GPU卡集合当前的总编码能力Es及总解码能力Ds；判断总编码能力Es与总解码能力Ds是否相匹配；若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。由于将GPU卡的编码能力与解码能力作为两个维度分开计算，基于编解码能力匹配的原则，同时充分考虑同时编解码的相关影响关系，进行编码任务与解码任务调度，以达到***的最大任务吞吐率。
图3为本发明用于实现转码任务调度的方法的另一个实施例的流程示意图。该方法包括以下步骤：
在步骤310，统计GPU卡集合当前的总编码能力Es及总解码能力Ds。
在步骤320，判断公式Ds<Es×k是否成立，其中k为***参数。若成立，则执行步骤330，否则，执行步骤360。
若公式Ds<Es×k成立，则判定总解码能力不足；若公式Ds<Es×k不成立，则判定总编码能力不足。
在步骤330，选取第i个GPU卡，将该GPU卡的解码能力设置为最大化。
从第1个卡开始选，可以任选一个GPU卡，将该GPU卡的解码能力设置为最大化，直到满足步骤340。
在步骤340，判断GPU卡集合的总编码能力Es是否与总解码能力Ds相匹配。若相匹配则结束该流程。否则，执行步骤350。
当解码能力不足时，解码能力决定***能力，影响因子均可取kmin，编码卡的选取只需满足编码能力总和等于Ds即可。
在步骤350，选取第i+1个卡。
以卡为单位，选择相应数量的GPU卡，将所选择GPU卡的解码能力设置为最大化，直到GPU卡集合的总编码能力Es同总解码能力Ds相匹配。后续则不在执行本实施例的其它步骤。
在步骤360，在GPU卡集合中，按照GPU卡的编码能力与解码能力之比从小到大的顺序。
每选一张GPU卡用于最大化解码，该卡的编码能力会由Ek降为Ek*kmin，***总编码能力也随着受损。为使得***总体能力最强，即编码能力受损比例最小，因此，优先选取受损比例最小的GPU卡。因此，将GPU卡的编码能力与解码能力之比从小到大的顺序排序。
在步骤370，依次选择第i个GPU卡，将该GPU卡的解码能力设置为最大化。
将GPU卡的编码能力与解码能力之比从小到大的顺序结果，从第1个GPU卡开始选，直到满足步骤380。
在步骤380，判断GPU卡集合的总编码能力Es是否与总解码能力Ds相匹配。若相匹配则结束该流程。否则，执行步骤390。
在步骤390，选取第i+1个卡。
以卡为单位，依次选择GPU卡，将所选择GPU卡的解码能力设置为最大化，直到GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
在该实施例中，任务调度时的GPU卡选择方法，在编码能力不足时，GPU卡按编码能力/解码能力的比例从小到大排序进行选取。而在在解码能力不足时，全部卡用于最大化解码，而编码卡则选择足够的卡即可。本发明将GPU卡的编码能力与解码能力作为两个维度分开计算，基于编解码能力匹配的原则，同时充分考虑同时编解码的相关影响关系，进行编码任务与解码任务调度，以达到***的最大任务吞吐率。
图4为本发明用于实现转码任务调度的***的一个实施例的结构示意图。该***包括统计单元410、判断单元420和调整单元430。
统计单元410用于统计GPU卡集合当前的总编码能力Es及总解码能力Ds。
GPU(Graphics Processing Unit，图形处理器)卡集合中包含多个非对称的GPU卡。
判断单元420用于判断总编码能力Es与总解码能力Ds是否相匹配。
判断单元420用于根据公式Ds<Es×k是否成立进行判断，若公式Ds<Es×k成立，则判定总解码能力不足；若公式Ds<Es×k不成立，则判定总编码能力不足，其中k为***参数。
调整单元430用于若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
在该实施例中，通过统计GPU卡集合当前的总编码能力Es及总解码能力Ds；判断总编码能力Es与总解码能力Ds是否相匹配；若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。由于将GPU卡的编码能力与解码能力作为两个维度分开计算，基于编解码能力匹配的原则，同时充分考虑同时编解码的相关影响关系，进行编码任务与解码任务调度，以达到***的最大任务吞吐率。
本发明的另一个实施例，统计单元410用于统计GPU卡集合当前的总编码能力Es及总解码能力Ds。
判断单元420用于根据公式Ds<Es×k是否成立进行判断，若公式Ds<Es×k成立，则判定总解码能力不足；若公式Ds<Es×k不成立，则判定总编码能力不足，其中k为***参数。
当解码能力不足时，解码能力决定***能力。影响因子均可取kmin，编码卡的选取只需满足编码能力总和等于Ds即可。
调整单元430用于选取第i个GPU卡，将该GPU卡的解码能力设置为最大化。判断GPU卡集合的总编码能力Es是否与总解码能力Ds相匹配，如果不匹配，则选取第i+1个卡。
可以任选一个GPU卡，将该GPU卡的解码能力设置为最大化。以卡为单位，选择相应数量的GPU卡，将所选择GPU卡的解码能力设置为最大化，直到GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
当编码能力不足时，编码能力决定***能力，每选一张GPU卡用于最大化解码，该卡的编码能力会由Ek降为Ek*kmin，***总编码能力也随着受损。为使得***总体能力最强，即编码能力受损比例最小，因此，优先选取受损比例最小的GPU卡。
调整单元430用于在GPU卡集合中，按照GPU卡的编码能力与解码能力之比从小到大的顺序。依次选择第i个GPU卡，将该GPU卡的解码能力设置为最大化。
以卡为单位，依次选择GPU卡，将所选择GPU卡的解码能力设置为最大化，直到GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
在该实施例中，任务调度时的GPU卡选择方法，在编码能力不足时，GPU卡按编码能力/解码能力的比例从小到大排序进行选取。而在在解码能力不足时，全部卡用于最大化解码，而编码卡则选择足够的卡即可。本发明将GPU卡的编码能力与解码能力作为两个维度分开计算，基于编解码能力匹配的原则，同时充分考虑同时编解码的相关影响关系，进行编码任务与解码任务调度，以达到***的最大任务吞吐率。
至此，已经详细描述了本发明。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本发明的方法以及装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。

Claims (8)

1.一种用于实现转码任务调度的方法，其特征在于，包括：
统计GPU卡集合当前的总编码能力Es及总解码能力Ds，其中，总编码能力Es及总解码能力Ds包括任务吞吐率；
判断总编码能力Es与总解码能力Ds是否相匹配，其中，判断公式Ds<Es×k是否成立，其中k为***参数，若公式Ds<Es×k成立，则判定总解码能力不足，若公式Ds<Es×k不成立，则判定总编码能力不足；
若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
2.根据权利要求1所述的方法，其特征在于，
若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力的步骤包括：
若总解码能力不足，则从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的解码能力设置为最大化，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
3.根据权利要求1所述的方法，其特征在于，
若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力的步骤还包括：
若总编码能力不足，则从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的编码能力设置为最大化，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
4.根据权利要求3所述的方法，其特征在于，
从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的编码能力设置为最大化的步骤包括：
在GPU卡集合中，按照GPU卡的编码能力与解码能力之比从小到大的顺序，依次选择GPU卡，将所选择GPU卡的编码能力设置为最大化，直到GPU卡集合当前的总编码能力Es同总解码能力Ds相匹配。
5.一种用于实现转码任务调度的***，其特征在于，包括：
统计单元，用于统计GPU卡集合当前的总编码能力Es及总解码能力Ds，其中，总编码能力Es及总解码能力Ds包括任务吞吐率；
判断单元，用于判断总编码能力Es与总解码能力Ds是否相匹配，其中，判断单元用于判断公式Ds<Es×k是否成立，其中k为***参数；若公式Ds<Es×k成立，则判定总解码能力Ds不足；若公式Ds<Es×k不成立，则判定总编码能力Es不足；
调整单元，用于若总编码能力Es与总解码能力Ds不相匹配，则调整GPU卡集合中相应GPU卡的编码能力或解码能力，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
6.根据权利要求5所述的***，其特征在于，
调整单元用于若总解码能力不足，则从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的解码能力设置为最大化，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
7.根据权利要求5所述的***，其特征在于，
调整单元用于若总编码能力不足，则从GPU卡集合中选择出相应数量的GPU卡，将所选择GPU卡的编码能力设置为最大化，以便GPU卡集合的总编码能力Es同总解码能力Ds相匹配。
8.根据权利要求7所述的***，其特征在于，
调整单元用于在GPU卡集合中，按照GPU卡的编码能力与解码能力之比从小到大的顺序，依次选择GPU卡，将所选择GPU卡的编码能力设置为最大化，直到GPU卡集合当前的总编码能力Es同总解码能力Ds相匹配。
CN201510930440.1A 2015-12-15 2015-12-15 一种用于实现转码任务调度的方法和*** Active CN106888400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510930440.1A CN106888400B (zh) 2015-12-15 2015-12-15 一种用于实现转码任务调度的方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510930440.1A CN106888400B (zh) 2015-12-15 2015-12-15 一种用于实现转码任务调度的方法和***

Publications (2)

Publication Number Publication Date
CN106888400A CN106888400A (zh) 2017-06-23
CN106888400B true CN106888400B (zh) 2019-05-10

Family

ID=59173474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510930440.1A Active CN106888400B (zh) 2015-12-15 2015-12-15 一种用于实现转码任务调度的方法和***

Country Status (1)

Country Link
CN (1) CN106888400B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213593B (zh) * 2017-07-04 2022-05-10 阿里巴巴集团控股有限公司 用于全景视频转码的资源分配方法、装置和设备
CN108040258B (zh) * 2017-11-21 2020-05-15 北京臻迪科技股份有限公司 一种编码、解码方法、装置及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7511714B1 (en) * 2003-11-10 2009-03-31 Nvidia Corporation Video format conversion using 3D graphics pipeline of a GPU
CN102273205A (zh) * 2008-11-04 2011-12-07 先进微装置公司 以gpu加速的软件视频转码器
CN102541640A (zh) * 2011-12-28 2012-07-04 厦门市美亚柏科信息股份有限公司 一种集群gpu资源调度***和方法
CN104768026A (zh) * 2015-04-17 2015-07-08 中国工商银行股份有限公司 一种多信道音视频转码装置
CN104871132A (zh) * 2012-10-18 2015-08-26 超威半导体公司 介质硬件资源分配
US9142004B2 (en) * 2012-12-20 2015-09-22 Vmware, Inc. Dynamic allocation of physical graphics processing units to virtual machines
CN104980752A (zh) * 2015-06-11 2015-10-14 武汉大千信息技术有限公司 利用cpu和gpu实现多路自适应并行转码的方法及***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7511714B1 (en) * 2003-11-10 2009-03-31 Nvidia Corporation Video format conversion using 3D graphics pipeline of a GPU
CN102273205A (zh) * 2008-11-04 2011-12-07 先进微装置公司 以gpu加速的软件视频转码器
CN102541640A (zh) * 2011-12-28 2012-07-04 厦门市美亚柏科信息股份有限公司 一种集群gpu资源调度***和方法
CN104871132A (zh) * 2012-10-18 2015-08-26 超威半导体公司 介质硬件资源分配
US9142004B2 (en) * 2012-12-20 2015-09-22 Vmware, Inc. Dynamic allocation of physical graphics processing units to virtual machines
CN104768026A (zh) * 2015-04-17 2015-07-08 中国工商银行股份有限公司 一种多信道音视频转码装置
CN104980752A (zh) * 2015-06-11 2015-10-14 武汉大千信息技术有限公司 利用cpu和gpu实现多路自适应并行转码的方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于GPU 的视频转码技术研究;黄兴等;《电视技术》;20120102;第36卷(第1期);第26-29页

Also Published As

Publication number Publication date
CN106888400A (zh) 2017-06-23

Similar Documents

Publication Publication Date Title
CN104980752B (zh) 利用cpu和gpu实现多路自适应并行转码的方法及***
Guo et al. Uniform embedding for efficient JPEG steganography
CN108012156B (zh) 一种视频处理方法及控制平台
Li et al. Efficient anti-collision algorithm utilizing the capture effect for ISO 18000-6C RFID protocol
Sebe et al. Skin detection: A bayesian network approach
CN106888400B (zh) 一种用于实现转码任务调度的方法和***
CN105812804B (zh) 一种确定rdoq过程中最优量化值的方法及装置
CN109389212A (zh) 一种面向低位宽卷积神经网络的可重构激活量化池化***
Campelo et al. A modified immune network algorithm for multimodal electromagnetic problems
CN110334685A (zh) 火焰检测方法、火焰检测模型训练方法、存储介质及***
US20200104711A1 (en) Method and apparatus for training a neural network used for denoising
CN112118365B (zh) 图像自适应隐写方法、装置、电子设备及介质
CN108989581A (zh) 一种用户风险识别方法、装置及***
CN115941112B (zh) 一种便携式隐蔽通信方法、计算机设备及存储介质
CN104244004B (zh) 低功耗编码方法及装置
CN113691812B (zh) 基于鸿蒙***的分布式视频处理方法、终端和可读介质
CN107240100A (zh) 一种基于遗传算法的图像分割方法和***
Heindel et al. Fast CU split decisions for HEVC inter coding using support vector machines
CN105426966A (zh) 基于改进遗传算法的关联规则挖掘方法
CN103609114B (zh) 编码装置、解码装置、编解码***、编码方法以及解码方法
CN106201712B (zh) 增强现实中目标识别频率的调整方法、装置及移动终端
CN109996116A (zh) 提升视频分辨率的方法、终端及可读存储介质
CN107749989B (zh) 图像的编码方法和装置
EP2798614A1 (en) Method of and apparatus for low-complexity detection of periodic textures
CN111628528A (zh) 风电参与***恢复的潮流越限消除方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant