NSight Compute未显示已达到占用率指标，求手动计算该值的所需参数

嘿，我来帮你理清楚手动计算**已达到占用率（Achieved Occupancy）**需要的所有参数，顺便解决你找不到ncu指标的小问题～

已达到占用率本质是衡量内核运行时，SM（流式多处理器）实际被利用的程度，核心公式是：

已达到占用率 = (平均每个SM活跃的Warp数) / (每个SM支持的最大Warp数)

要算出这个值，你需要两类参数：静态固定参数和动态运行时数据。

一、静态参数（从设备/内核编译信息获取） #

这些参数是固定不变的，你已经提供了大部分，整理后直接用就行：

• 每个SM支持的最大线程数：1024（你的GTX 1650设备信息里明确标注）
• Warp大小：32（CUDA标准Warp尺寸，你的设备信息也有）
  → 由此可算出每个SM支持的最大Warp数：1024 ÷ 32 = 32

另外还需要内核编译时的资源消耗数据（你给出的ptxas信息里已有部分）：

• 每个线程使用的寄存器数：18（ptxas输出明确标注）
• 每个线程块的线程数：需要你确认内核启动时的blockDim设置（比如你用dim3(256,1,1)的话，就是256）
• 每个线程块使用的共享内存：如果你的内核没用到动态共享内存，默认是0（你提供的信息里没提共享内存使用，按0处理即可）

二、动态运行时性能数据（需从ncu采集） #

这部分就是你之前找不到的指标，之所以提示找不到，大概率是因为你没指定正确的指标名称或者没开启对应采样。手动计算必须拿到这两个核心指标：

• sm__active_warps.sum：内核执行期间，所有SM上活跃Warp的总数
• sm__cycles_elapsed.sum：内核执行期间，所有SM运行的总周期数

用这两个值算出平均每个SM活跃的Warp数：

平均活跃Warp数 = sm__active_warps.sum ÷ sm__cycles_elapsed.sum

最后把这个平均值除以每个SM的最大Warp数（32），得到的就是已达到占用率。比如你ncu显示的93.04%，对应的平均活跃Warp数就是 32 × 0.9304 ≈29.77，也就是每个SM平均有30个Warp在运行。

小提示：让ncu直接输出已达到占用率 #

其实不用手动算，你可以直接让ncu采集占用率相关的指标组，命令如下：

ncu --section Occupancy ./你的内核可执行文件

或者指定具体指标：

ncu --metrics sm__active_warps.sum,sm__cycles_elapsed.sum ./你的内核可执行文件

这样就能直接拿到你要的93.04%的数值啦～

内容的提问来源于stack exchange，提问作者BoringSession