如何用Nsight Compute分析CUDA __global__内核中的__device__函数？

• 开启函数级剖析开关
  在Nsight Compute的分析配置面板中，找到并勾选「Enable Function-level Profiling」选项（不同版本界面可能略有差异，通常在Profiling Options分类下）。开启后工具会追踪内核调用的所有__device__函数，单独统计它们的性能数据。

• 编译时保留符号与行号信息
  编译CUDA代码时必须添加对应参数，让Nsight能关联内核与内部函数的符号：

  • 若要分析带调试信息的代码，使用：nvcc -G -lineinfo your_code.cu -o your_bin
  • 若要分析优化后的代码，仅保留行号信息即可：nvcc -lineinfo your_code.cu -o your_bin
    注：-G会禁用编译器优化，适合调试阶段剖析；仅用-lineinfo时优化不受影响，但函数级数据的精准度可能稍有下降。

• 查看函数级性能报告
  完成剖析后，在Nsight Compute的报告界面切换到「Functions」标签，就能看到内核调用的每个__device__函数的详细指标，包括指令吞吐量、内存访问效率、Warp调度情况等。

• 定位函数内的性能瓶颈
  选中目标__device__函数后，切换到「Source」面板可关联源代码行与性能数据，「Metrics」面板则能查看该函数的各项细分性能指标，快速定位耗时的代码段。

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