所属分类：嵌入式Linux与RTOS 当前为单品课程，可返回上一级继续浏览同方向资料。

← 返回上一级

← 返回所属目录咨询 / 购买

NVIDIA Nsight Compute 内核级性能分析与优化实战

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 目标学员 · 课程结构

课程导入学习目标

GPU架构与内核执行基础

SM架构 · 线程层次（grid/block/wa… · 内存层次（全局

Nsight Compute概览

界面布局 · 主要功能模块（Profile · Source

性能分析基础概念

吞吐量 · 延迟 · 占用率

性能分析基础概念吞吐量

使用Nsight Compute进行首次性能剖析

创建项目 · 选择内核 · 运行profile

内核性能报告解读

关键指标（Duration · Occupancy · SM Efficiency

内核性能报告解读Duration

Source视图与指令级分析

关联源代码与SASS/PTX · 指令分布 · stall原因

Warp状态与Stall分析

Warp状态统计 · Stall原因（等待内存 · 等待计算

内存工作负载分析

内存访问模式 · 全局内存合并 · 共享内存bank冲突

内存工作负载分析内存访问模式

计算工作负载分析

算术指令吞吐 · FMA/ALU/特殊函数 · 整数与浮点混合

计算工作负载分析算术指令吞吐

占用率优化

理论占用率与实际占用率 · 寄存器限制 · 共享内存限制

占用率优化理论占用率

共享内存优化实战

共享内存分配 · bank冲突避免 · padding技术

共享内存优化实战共享内存分配

全局内存访问优化

合并访问 · 向量化加载/存储 · 对齐

全局内存访问优化合并访问

寄存器优化与局部内存

寄存器溢出 · 减少寄存器使用 · 使用__launch_bounds_…

寄存器优化局部内存

分支发散与线程束同步

分支发散原因 · 重构代码减少发散 · __syncwarp

分支发散线程束同步

指令级优化

减少指令数 · 使用快速数学函数 · 内建函数

指令级优化减少指令数

使用Nsight Compute的Speedup工具

自动瓶颈检测 · Speedup建议 · 如何应用建议并验证

矩阵乘法优化（基础版到共享内存til… · 寄存器tiling · 向量化

案例实战1til

归约（Reduction）内核优化 · warp shuffle · 避免bank冲突

案例实战2Reduction

卷积（Convolution）内核优… · 共享内存 · 输入/输出通道分块

案例实战3Convolution

粒子模拟或N体问题：数据布局 · 共享内存 · 计算与内存平衡

案例实战4粒子模拟或N体问…

多内核应用分析

多内核profile · 比较不同内核 · 识别热点内核

多内核应用分析profile

Nsight Compute命令行与自动化

ncu命令行参数 · 输出格式（CSV/JSON） · 脚本化性能回归测试

与其他工具集成

Nsight Systems · CUDA-GDB · NVIDIA Visual Prof…

其他工具集成Nsight

常见性能陷阱与排查

未合并访问 · bank冲突 · 寄存器溢出

常见性能陷阱排查

性能优化方法论

瓶颈识别-假设-实验-验证循环 · 性能上界分析 · Roofline模型应用

性能优化方法论瓶颈识别

CUDA Graphs · 异步内存拷贝 · 多流并发

高级特性CUDA

深度学习内核优化

针对Tensor Core的优化 · 矩阵乘/卷积的深度学习案例 · 使用Nsight Compute分析…

深度学习内核优化Tensor

综合实战项目

从给定应用（如流体模拟 · 图像处理）进行完整性能分析 · 优化

综合实战项目从给定应用

课程总结与进阶路径

关键知识点回顾 · 常见问题解答 · 推荐资源

课程总结进阶路径