最近需要使用 nvprof 此時cuda 程序運行的性能，下面對使用過程進行簡要記錄，進行備忘：
- 常用使用命令：nvprof --unified-memory-profiling off python run.py （這是因為某塊內存被設置了不允許分析，導致）參考：https://docs.nvidia.com/cuda/profiler-users-guide/index.html#unified-memory-profiling
- nvprof --unified-memory-profiling off python run.py （2>run.txt 1>out.txt）
- nvprof --unified-memory-profiling off --print-gpu-trace python run.py
- nvprof --unified-memory-profiling off --print-gpu-trace -o prof.nvvp python run.py
- nvvp prof.nvvp (使用 x11 forwarding)
- ./run.sh 2>runsh_out.txt
Non-Visual Profiler 和 Visual Profiler 的使用：
# nvprof nvprof python train_mnist.py nvprof --print-gpu-trace python train_mnist.py #nvvp (可以使用x11 forwarding 使用，當然更適合在本機使用) nvprof -o prof.nvvp python train_mnist.py （在GPU集群上生成 .nvvp文件） scp your_gpu_machine:/path/to/prof.nvvp . （scp 拷貝文件到本地） nvvp prof.nvvp （在本地機器上進行可視化分析）
參考鏈接：
https://blog.csdn.net/yinhuier/article/details/80551268 （簡單使用教程）
https://docs.nvidia.com/cuda/profiler-users-guide/index.html （nvidia 官網教程）
https://gist.github.com/sonots/5abc0bccec2010ac69ff74788b265086 （一個日本工程師寫的文檔，不錯，本文大多命令摘自此文檔，文檔中有較為詳細的實例截圖，可以參考）
https://blog.csdn.net/haoqimao_hard/article/details/80557740 (CSDN 上較為簡潔的博客，可以參考使用)
https://indico-jsc.fz-juelich.de/event/32/material/0/5.pdf (德國一個簡單介紹的資料)
保持更新，更多內容請關注 cnblogs.com/xuyaowen; 如果對您有幫助，還請點擊推薦或關注~！