问题：GPU显卡提高后，代码总体运行效率没有提高
原先显卡NIVIDA T400换成NVIDIA RTX A4000，CUDA核心（物理GPU线程单位）从三百多提升到了六千多，但是程序总体运行的时间没有变化。
原因分析
- 显卡没用上或者没有配置好，实际上还是用CPU在跑。
- GPU跑了，但是GPU和CPU并行效率没有对齐。
检查是否有用上GPU
任务管理器
在任务管理器中看程序运行后CUDA调用GPU的情况。
nvidia-smi
打开cmd命令行输入nvidia-smi即可查看NVIDIA GPU使用状况。
NIVIDA性能分析工具nvprof、nvvp和Nsight Systems
前面任务管理器都只能看某些时刻电脑整体GPU占用情况，但接下来介绍的三个性能分析工具能够显示程序很详细的GPU、CPU使用情况，甚至能精确到某个函数。
在Windows机器环境下，在安装好CUDA Toolkit后则自带了nvprof / nvvp等工具。nvprof / nvvp等工具能够计算GPU和CPU使用情况，以此来实现对程序的性能分析。
两者区别：nvprof是命令行测试CUDA程序，nvvp则是带有界面的测试CUDA程序。
对于CUDA版本比较低的，可以使用nvprof / nvvp工具做性能测试，但是版本高了之后，就会报错。
原因在于官方把更高版本的cuda从nvprof和nvvp迁移到了Nsight Systems。
上述工具可能会遇到的问题：
- nvprof报错：找不到cupti64_2021.2.0.dll，无法继续执行代码…
方法：路径NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\CUPTI\lib64下面找到cupti64_2021.2.0.dll，复制到NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin中。 - nvvp报错：An error has occurred.See the log file…
方法：原因是电脑没有安装JDK8，去网上搜索一下JDK8然后安装就行。 - nvvp使用：打开后，进行create new session，File选择你要进行测性能的可执行文件（exe），一般VS程序Debug文件夹下会有程序对应可执行的exe。
代码断点
在CUDA选中显卡信息和分配GPU内存部分打断点或者输出一下信息，看看显卡信息是否正确以及内存是否有正确分配。
// 查看选中GPU的信息
cudaDeviceProp prop;
cudaSetDevice(device_id);// 选中编号为device_id的GPU设备
cudaGetDeviceProperties(&prop, device_id);// 获取device_id的GPU设备信息，可以在这里打个断点看看选中的GPU信息是否正确
// 分配GPU内存
status = cudaMalloc((void**) &data, sizeof(int)*n);// 为data分配长度为n的int类型GPU内存，查看status是否为success判断是否使用了GPU
检查GPU和CPU并行效率是否对齐
通过在代码设置时间戳，来记录CPU和GPU运行的时间，来判断是否达成并行的条件。
举例子：一个程序需要完成获取、处理、输出数据的工作，处理数据的部分可以交给GPU完成，其余交给CPU，GPU和CPU之间能够并行工作。如果CPU获取数据的时间>GPU处理数据的时间，那么GPU处理的速度再快，整体的运行时间也不会有多少改变，因为GPU每次处理完数据都要先等CPU获取完数据。但是，如果CPU获取数据的时间<GPU处理数据的时间，那么GPU处理的速度提高就会降低整体运行时间。最理想的情况就是两个时间相等，CPU获取到数据的时候GPU刚好处理完上一个数据，这样两者的性能都不会有冗余。
GPU显卡提高后，代码总体运行效率没有提高，可能原因就是“CPU获取数据的时间>GPU处理数据的时间”。
C++通过时间戳GetTickCount()获取运行时间，来计算GPU和CPU部分代码的时间，来判断是否有上述情况：
#include<iostream>
#include<windows.h>
int main(){
DWORD start_time=GetTickCount();
{//此处为被测试代码}
DWORD end_time=GetTickCount();
cout<<"The run time is:"<<(end_time-start_time)<<"ms!"<<endl;//输出运行时间
return 0;
}
