解释NVIDIA可视探查器输出 我最近开始使用英伟达视觉分析器（CUDA 7.5）来计时我的应用程序。p>

然而，我似乎并不完全理解我得到的结果的含义。我不知道如何处理不同的分析器输出

例如：在for循环中调用单个内核约360次的CUDA代码。每次，内核计算大约1000次3D纹理内存读取。每个

512^2

单元分配一个线程。需要一些算法来知道在纹理内存中读取哪个位置。纹理内存读取不进行插值，始终以精确的数据索引执行。之所以选择3D纹理内存，是因为memreads将是相对随机的，因此不期望内存合并。我找不到这方面的参考资料，但肯定是在某处读到的

描述很短，但我希望它能对内核所做的操作给出一个小的概述（发布整个内核可能太多了，但如果需要的话我可以）

从现在起，我将描述我对分析器的解释

---

评测时，如果我运行

检查GPU使用情况

我会得到（单击放大）：

从这里我看到了几件事：

• 低内存复制/计算重叠0%。这是预期的，因为我运行一个大内核，等待它完成，然后是memcopy。不应该有重叠
• 低内核并发性0%。我刚刚得到一个内核，这是预期的
• 低拷贝重叠0%。同样的事情。我在乞讨中只复制一次memcopy，在每个内核之后复制一次memcopy。这是意料之中的

从内核执行“条”的顶部和右侧，我可以看到：

• 大部分时间是运行内核。内存开销很少
• 所有内核占用相同的时间（好）
• 最大的标志是占用率，始终低于45%，这是限制因素。然而

我通过运行

Perform Kernel Analysis

来跟踪我的评测，获得：

我可以在这里看到

• 内核中的计算和内存利用率较低。剖析者认为低于60%是不好的
• 大部分时间用于计算和二级缓存读取

还有别的吗

我继续执行延迟分析，因为探查器显示最大的瓶颈在那里

最大的三个原因似乎是

• 内存依赖关系。纹理模念太多？但我需要这么多的记忆
• 执行依赖关系。“可以通过增加指令级并行性来减少”。这是否意味着我应该尝试更改，例如

  a=a+1；a=a*a；b=b+1；b=b*b至
  a=a+1；b=b+1；a=a*a；b=b*b
  指令获取（？？）
  

---

问题:

• 我还可以执行更多的测试来更好地理解内核的执行时间限制吗
• 有没有办法在内核内部的指令级进行评测
• 是否有更多的结论，一个人可以通过查看配置文件比我得到的
• 如果我开始尝试优化内核，我会从哪里开始呢

是否有更多的额外测试可以让我更好地理解自己的想法 内核执行时间限制

当然！如果你注意“属性”窗口。你的屏幕截图告诉你你的内核1。受寄存器使用限制（在“内核Lantency”分析中检查），2.扭曲效率低（小于100%表示线程发散）（在“发散执行”中检查）

有没有办法在内核内部的指令级进行评测

是的，您有两种可用的分析类型：

'内核配置文件-指令执行'

“内核配置文件-PC采样”（仅在Maxwell中）

通过查看剖面图，是否可以得出更多的结论 比我得到的要多

您应该检查内核是否存在线程分歧。您还应该检查共享/全局内存访问模式是否没有问题

如果我开始尝试优化内核，我会从哪里开始呢

我发现内核延迟窗口是最有用的窗口，但我认为它取决于您正在分析的内核类型