环境

系统：ElectricEel-24.10-RC.1

显卡：英伟达Quadro P400

准备工作

配置目录

首先创建好jellyfin的配置存放目录

安装驱动

在APP设置里开启英伟达驱动安装，如果你是核显，应该默认就有驱动，我这里没有核显，请自行测试了

安装驱动默认需要科学上网的

检查

打开命令行，切换到root sudo -i

输入

nvidia-smi

能看到显示你的显卡信息就是安装成功

安装jellyfin

这次安装我们使用ix-app 向导式自定义安装

点击安装

• 应用名称：jellyfin
• Repository: nyanmisaka/jellyfin

开启自启

因为要映射显卡，所以这里直接给了特权模式

映射两个端口8096 8920

添加一个配置的挂载点

Mount Path： /config

Host Path： 一开始创建的数据集

再添加一个放视频的目录，这里挂载点可以自定义，到jellyfin里添加的时候可以选

最后选择你的显卡，安装就行

验证解码

这里根据你的显卡选择什么驱动

然后播放一个265的影片,选择一个低分辨率，在命令行里输入nvidia-smi

root@truenas[~]# nvidia-smi
Fri Oct  4 09:57:51 2024   
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.120                Driver Version: 550.120        CUDA Version: 12.4     |
|-----------------------------------------+------------------------+----------------------+
| 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  Quadro P400                    Off |   00000000:06:1B.0 Off |                  N/A |
| 40%   56C    P0             N/A /  N/A  |    1528MiB /   2048MiB |     98%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|    0   N/A  N/A     44464      C   /usr/lib/jellyfin-ffmpeg/ffmpeg               762MiB |
|    0   N/A  N/A     44476      C   /usr/lib/jellyfin-ffmpeg/ffmpeg               762MiB |
+-----------------------------------------------------------------------------------------+

看看是不是像我这样下面会显示jellyfin的进程，以及gpu的使用率增加，有就是硬解成功了

如果你是核显，没有工具看，你可以对比cpu的使用率，硬解CPU使用率比软解低

docker compose 版本

services:
  jellyfin:
    image: nyanmisaka/jellyfin:latest
    container_name: jellyfin
    runtime: nvidia
    privileged: true
    environment:
      - TZ=Etc/UTC
      - NVIDIA_DRIVER_CAPABILITIES=all
      - LC_ALL=en_US.UTF-8
      - LANG=en_US.UTF-8
      - LANGUAGE=en_US:en
    volumes:
      - /mnt/SSD/apps/jellyfin:/config # 根据自己路径更改
      - /mnt/unimportant/pt:/pt # 根据自己路径更改
    ports:
      - 8096:8096
      - 8920:8920
    restart: unless-stopped
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

有同学想要使用docker compose部署 这里也给出yaml