Nsight System 

系统级别去分析性能，也就是宏观方向。

Achieved Accupacy低：在Nsight System pipline可以直接看出来

kernel launch 延迟：cpu发起gpu执行kernel过程中，有个kernel launch环节，grid block。优化方法：多个kernel function 合并；cuda graph批量形式执行。

GPU线程太少，grid block少

 

1）命令行执行

2）在服务器上使用Nsight System生成一个文件，在本地电脑上显示文件。

CPU利用率、Process & thread、OS runtime API、NVTX annotation、cuda & cublas API、cuda kernel & memory transfer、NVTX projected on cuda stream

 

鼠标方在某个地方，会放大

 

Nsight Compute

 可以比较不同的kernel的性能 显存 计算

 

调试cuda代码

 

cuda focus查看SM、warp、latency

 

 

案例1：Nsight system对训练神经网络过程的性能分析

未加NVTX注释 

 

 

 从图中看出是由于数据加载造成GPU空闲的，如红色部分。

数据加载的works=1变为works=8、

案例2：Nsight System 混合精度加速BERT

 矩阵计算占了60%

到底使用fp32还是fp16，可以使用Nsight Compute进一步分析。

案例3：Nsight Compute 矩阵转置的kernel分析

 memory的不同，影响优化的角度。

读数据时是连续的，一行一行读取的，但在做转置后，写数据时是跳越的不连续的。

在写数据以前，先把数据存在距离计算单元比较近的片上资源shared memory，延迟低。shared memory是sRAM结构，实现转置，速度快。

 SM是有提升的

参考

【CUDA进阶】深入理解 Nsight System 和 Nsight Compute_哔哩哔哩_bilibili

NVIDIA Development Tools Solutions - | NVIDIA Developer

NVIDIA性能分析工具Nsight Systems/Compute 的使用介绍_哔哩哔哩_bilibili