nividia-cuda-visual-profiler可视化监控GPU,CPU等性能。

第一步：服务器端先下载cuda的tookit等工具。主要使用到了nvprof这一工具。

 

当我们模型在训练or预测时，使用如下命令行完成此任务的监控并将GPU,CPU，内存显存交换等信息存储。

nvprof --metrics all -o train.nvvp python3 run_sequence_tagging.py

 

参数介绍：

1. metrics: 选择的监控参数，可以特定选择某些指标监控，如果需要监控所有，选择all即可。
2. -o: output。输出到train.nvvp。
3. 后面的为训练or预测时候python的命令及文件参数。

 

训练or预测完毕后，在当前目录下生成train.nvvp文件。

 

第二步：

因为我们的模型常常是运行在远端的服务器上，我们需要把输出的监测数据拷贝至本地查看。对于nvprof生成的`.nvvp`文件来说，需要在本地使用nvvp或nsight eclipse进行查看。这两者也都是cuda toolkit中自带的。需要强调的是，即使本地电脑没有N卡也是可以安装cuda toolkit的https://developer.nvidia.com/cuda-toolkit-archive

 

打开上述网址，选择10.1进行下载。下载过程尽量关闭360。下载完毕后选择稍后重启即可。

 

 

 　 

 

 

 

 

 

 

 

 

 

我们的cuda最终会安装在如下路径中。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

 

环境变量：

 

 

 

 

 

第三步：

需要下载java8。注意必须是8。java8以上的版本目前不支持cuda的工具包。自行百度下载并配置环境变量。

 

 

 

第四步：命令行输入nvvp以打开nvvp的可视化分析界面。此界面类似eclipse，选择一个work_space即可。File->Import后选择CUDA->nvprof，下一步后按照具体情况选择是single session还是multiple session，下一步在timeline data file处点击browse，选择已经传到本地的.nvvp文件即可。

 

 

 

 

教程使用：

Python

开始步骤

nvvp支持远程连接服务端完成某个程序的测试；也支持程序测试落地的nvvp文件解析；

连接服务端测试

第一步：File->new Session

先选择连接的服务器user和password

 

 

 

 

第二步：指定服务器端的cuda的目录

 

 

 

 

 

第三步：选择我们要运行的程序。本次我们运行的是python程序，因此我们需要找到python.exe的路径。（当然，我们可以去分析其他exe程序）.

 

 

 

 

第四步：

Python这边需要指定参数，我们需要运行哪个python脚本。

 

 

 

 

之后默认即可。

 

 nvvp文件分析

File->Import后选择CUDA->nvprof

 

 

 

 

 

 

 

界面分析

本次采用本地的nvvp文件分析。（ctrl+滚轮可以对时间轴缩小或放大）

 

 

 

 

 

  

分别点击主机到设备、设备到主机、设备到设备，观察GPU details，通过开始时间和持续时间分布，总结可以得出“主机到设备”是python程序将数据读取到内存。“设备到设备”是内存和显存的交换，“设备到主机”是内存到主机。

  

常用功能介绍

①点击conpute,可以看到properties的信息。

 

 

 

也可以点击时间轴中的块，对每一个块查看对应的属性。

 

②点击左下的Analysis，可以对结果进行分析。

例如点击

 

 

 

可以看出低内存拷贝/计算交叠率（一点都没有交叠，完全是拷贝——计算——拷贝）；低内核并发；低存储拷贝吞吐率；低拷贝交叠率（完全是拷贝、传输、拷贝..）。

针对这些弊端可以制定对应的措施。

 

例如，点击第二项，low kernel concurrency，此时左边的显卡对应条亮起，我们点击more，获取解析信息，分析得出除了默认流外的其他流可以执行多个内核。

 

 

 

 

 

 

③点击显卡，观察GPU Details的信息。首先是初始化、之后是数据的转移，然后是一些核函数的运行状态分析。

 

 

 

主要有每个核函数执行时间，以及线程格、线程块尺寸，占用寄存器个数，静态共享内存、动态共享内存大小等参数，以及内存拷贝函数的执行情况。