ffmpeg:

ffmpeg不支持在GPU上运行。ffmpeg是一个用于处理多媒体数据的工具，它主要在CPU上运行。虽然某些特定的ffmpeg功能（如某些视频编解码器）可以利用GPU进行硬件加速，但这需要特定的硬件和驱动支持，并且并非所有操作都可以加速。在这个特定的情况下，从视频中提取图像是一个相对简单的操作，不太可能从GPU加速中受益。如果你发现这个操作很慢，可能是因为你的视频文件很大或者分辨率很高。你可以尝试降低视频的分辨率或者只处理视频的一部分来提高速度。

Numpy

Numpy库主要设计用于在CPU上执行操作。虽然GPU在处理大规模并行计算任务（如深度学习）时非常有效，但并不是所有的计算任务都适合在GPU上执行。一些小规模的或者不容易并行化的任务在CPU上执行可能更快。

此外，将数据从CPU传输到GPU（或者反过来）需要时间，如果数据量不大，这个传输过程可能会消耗更多的时间，从而使得在GPU上执行操作并不划算。

如果你想在GPU上执行类似的操作，你可以考虑使用支持GPU计算的库，如CuPy或TensorFlow。这些库提供了类似于Numpy的接口，但可以在GPU上执行操作。但请注意，这可能需要对你的代码进行一些修改，以适应这些库的API。