如何剖析CUDA内核内部函数并在Nsight中可视化性能？

我有一个包含大量操作的大型CUDA内核，代码示例如下：

__global__ void bigkernel(args)
{
func1();
func2();
func3();
func4();
func5();
....
}

我希望剖析其中每个函数的性能并在Nsight中可视化，但目前用Nsight运行时仅能看到整个bigkernel，无法查看func1等内部函数的细节。

目前我使用内置的clock64()为每个函数计时，通过结构体存储数据：

struct time_stuff
{
    uint64_t start, end,
        func1, func2, func3, func4,...
};

并通过Python进行可视化。我已尝试使用Nsight Compute和Nsight Systems分析程序，但clock64()操作最为简便，想咨询是否有更优的方法？

相关运行命令：

nsys profile --trace=nvtx,cuda --sample=cpu -o cu_trace ./cu_alg /datasets/collisions.txt 15000000 \s 96 128

附相关截图：

• Nsight Systems概览
• Nsight Compute界面
• clock计时结果展示

内容的提问来源于stack exchange，提问作者Rageristic