硬件加速
建议更新配置，启用 ffmpeg 硬件加速解码。根据您的系统，这些参数可能不兼容。有关 ffmpeg 硬件加速解码的更多信息，请访问：https://trac.ffmpeg.org/wiki/HWAccelIntro。
正式支持
基于英特尔的 CPU
通过 VAAPI
VAAPI 支持自动配置文件选择，因此可自动处理 H.264 和 H.265 数据流。如果 QSV 不能工作，建议所有基于英特尔的 CPU 都使用 VAAPI。
ffmpeg:
hwaccel_args: preset-vaapi
对于某些处理器，比如 J4125，默认的驱动程序 iHD 似乎不能正确地进行硬件加速。你可能需要通过在 docker-compose 文件或HA OS 用户的 frigate.yaml 中中添加以下环境变量 LIBVA_DRIVER_NAME=i965 来将驱动程序更改为 i965。
通过 Quicksync (仅限 >= 10代)
必须根据视频流的视频编码专门设置 QSV。
H.264 流
ffmpeg:
hwaccel_args: preset-intel-qsv-h264
H.265 流
ffmpeg:
hwaccel_args: preset-intel-qsv-h265
在 Docker 中配置英特尔 GPU 统计信息
为了让 Docker 容器能够访问 intel_gpu_top 命令以获取 GPU 统计数据，还需要进行其他配置。有两个选项：
- 以特权身份运行容器。
- 添加
CAP_PERFMON功能（注意：可能需要将perf_event_paranoid设置得足够低，以允许访问性能事件系统。）
以特权身份运行
这种方法可行，但它赋予容器的权限超过了实际需要。
Docker Compose - Privileged
services:
frigate:
...
image: frigate:stable
privileged: true
Docker Run CLI - Privileged
docker run -d \
--name frigate \
...
--privileged \
frigate:stable
CAP_PERFMON
只有最新版本的 Docker 支持 CAP_PERFMON 功能。你可以通过运行： docker run --cap-add=CAP_PERFMON hello-world 来测试你的 Docker 是否支持该功能。
Docker Compose - CAP_PERFMON
services:
frigate:
...
image: frigate:stable
cap_add:
- CAP_PERFMON
Docker Run CLI - CAP_PERFMON
docker run -d \
--name frigate \
...
--cap-add=CAP_PERFMON \
frigate:stable
perf_event_paranoid
注意：必须为整个系统更改此设置。
有关不同分布的各种值的更多信息，请参阅 https://askubuntu.com/questions/1400874/what-does-perf-paranoia-level-four-do。
根据操作系统和内核配置的不同，您可能需要更改 /proc/sys/kernel/perf_event_paranoid 内核可调参数。你可以运行 sudo sh -c 'echo 2 >/proc/sys/kernel/perf_event_paranoid' 来测试更改，更改将持续到重启。运行 sudo sh -c 'echo kernel.perf_event_paranoid=2 >> /etc/sysctl.d/local.conf' 可使更改永久生效。
通过 libva-mesa 驱动程序运行的 AMD/ATI GPU（Radeon HD 2000 及更新的 GPU）
VAAPI 支持自动配置文件选择，因此可自动处理 H.264 和 H.265 数据流。
你需要在 docker-compose 文件或HA OS 用户的 frigate.yaml 中添加以下环境变量 LIBVA_DRIVER_NAME=radeonsi 将驱动程序更改为 radeonsi。
ffmpeg:
hwaccel_args: preset-vaapi
NVIDIA GPUs
虽然旧版 GPU 也能使用，但建议使用受支持的现代 GPU。NVIDIA 提供了一个matrix of supported GPUs and features，如果您的显卡在列表中并支持 CUVID/NVDEC，那么它很可能可以与 Frigate 一起进行解码。不过，您还必须使用能与 FFmpeg 配合使用的驱动程序版本。较旧的驱动程序版本可能缺少符号而无法工作，较新的驱动程序版本也不支持较旧的显卡。解决这个问题的唯一办法是提供自己的 FFmpeg，它将与你的驱动程序版本一起工作，但这是不支持的，而且可能根本无法正常工作。
有关显卡及其兼容驱动程序的更完整列表，请参阅driver release readme。
如果你的发行版不提供 NVIDIA 驱动程序软件包，你可以在此下载。
在Docker中配置 Nvidia GPUs
Docker 容器需要额外的配置才能访问 NVIDIA GPU。支持的方法是安装NVIDIA Container Toolkit，并向 Docker 指定 GPU。具体方法取决于 Docker 的运行方式：
Docker Compose - Nvidia GPU
services:
frigate:
...
image: frigate:stable
deploy: # <------------- Add this section
resources:
reservations:
devices:
- driver: nvidia
device_ids: ['0'] # this is only needed when using multiple GPUs
count: 1 # number of GPUs
capabilities: [gpu]
Docker Run CLI - Nvidia GPU
docker run -d \
--name frigate \
...
--gpus=all \
frigate:stable
设置解码器
您需要在 hwaccel_args 中传递的解码器取决于输入视频。
支持的编解码器列表（您可以在容器中使用 ffmpeg -decoders | grep cuvid 来获取支持的编解码器）。
V..... h263_cuvid Nvidia CUVID H263 decoder (codec h263)
V..... h264_cuvid Nvidia CUVID H264 decoder (codec h264)
V..... hevc_cuvid Nvidia CUVID HEVC decoder (codec hevc)
V..... mjpeg_cuvid Nvidia CUVID MJPEG decoder (codec mjpeg)
V..... mpeg1_cuvid Nvidia CUVID MPEG1VIDEO decoder (codec mpeg1video)
V..... mpeg2_cuvid Nvidia CUVID MPEG2VIDEO decoder (codec mpeg2video)
V..... mpeg4_cuvid Nvidia CUVID MPEG4 decoder (codec mpeg4)
V..... vc1_cuvid Nvidia CUVID VC1 decoder (codec vc1)
V..... vp8_cuvid Nvidia CUVID VP8 decoder (codec vp8)
V..... vp9_cuvid Nvidia CUVID VP9 decoder (codec vp9)
例如，对于 H264 视频，您可以选择 preset-nvidia-h264。
ffmpeg:
hwaccel_args: preset-nvidia-h264
如果一切正常，性能应该会有显著提高。
通过运行 nvidia-smi，验证硬件解码是否正常工作，其中应显示 ffmpeg 进程：
由于 docker 的限制，nvidia-smi 在容器内运行时可能不会显示ffmpeg 进程。
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 455.38 Driver Version: 455.38 CUDA Version: 11.1 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 GeForce GTX 166... Off | 00000000:03:00.0 Off | N/A |
| 38% 41C P2 36W / 125W | 2082MiB / 5942MiB | 5% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 12737 C ffmpeg 249MiB |
| 0 N/A N/A 12751 C ffmpeg 249MiB |
| 0 N/A N/A 12772 C ffmpeg 249MiB |
| 0 N/A N/A 12775 C ffmpeg 249MiB |
| 0 N/A N/A 12800 C ffmpeg 249MiB |
| 0 N/A N/A 12811 C ffmpeg 417MiB |
| 0 N/A N/A 12827 C ffmpeg 417MiB |
+-----------------------------------------------------------------------------+
如果看不到这些进程，请检查容器的 docker logs 并查找解码错误。
这些说明最初基于 Jellyfin 文档。