我写了一个测试FFT的程序
for(int j=0;j<10;j++)
{
checkCudaErrors(cufftExecC2C(plan, (cufftComplex *)idata_d, (Complex *)idata_d, CUFFT_FORWARD));
}
用nsight看了一下时间表 有很多cuDeviceGetAttribute 这个是什么意思啊，怎么在时间分析表上看不到cufftExecC2C的调用呢？
LZ您好：
1：cuDeviceGetAttribute是用来获得当前GPU硬件的一些特性的函数，cufft库是一个通用库，需要对各种不同的GPU针对实现和优化等，因此这里应该是先获得当前的GPU的特性，然后根据自身的逻辑选择后面具体计算的一些参数。
2：cufftExecC2C()是封装过的库函数，实际计算的时候会自动转化为多个内部kernel的调用，（以及可能有在前面获得设备参数的基础上装定的kernel的参数），您可以在NVVP的时间线中看到各个内部kernel的执行时间。
大致如此，祝您编码顺利~
ioe 你好，nsight除了可以debug意外还可以分析程序瓶颈，那么它在分析的时候和nvvp有什么优劣呢？分析性能用nvvp好还是nsight好呢？
LZ您好：
profile建议使用nvvp。
调试代码建议使用nsight，（nvvp也没这个功能）。
nsight的profiler仅是一项辅助功能。
大致如此，祝您调试顺利~
（1）我现在想分析一下cufft在执行256*256的二维fft时，对资源是不是已经全部耗尽，如果没有耗尽想通过K20的Hyper-Q来重新写fft kernel来实现资源利于最大化。
（2）我现在想通过多个流的cufft的执行看一下多个流执行是否有重叠可以隐藏一部分时间。
你对我上面的想法可以给点建议吗？谢谢了哈！
LZ您好：
1：一般而言针对特定情况优化的代码有可能超过通用库的实现效率，但不一定划算。
同时，计算的数据规模和您的GPU的情况也会影响我们对效率的判断。比如较小计算规模的情况再弱GPU上可能GPU工作量已经比较饱满，但在强的GPU上，可能GPU基本处于空闲状态。以及，如果计算规模确实很小，那么也许无法通过重写代码予以优化。
2：cufft自身是支持多stream的，您可以参考一下手册中的Streamed CUFFT Transform章节。
祝您好运~
Streamed CUFFT Transform 中Streame1 中的cufft的运算只能与stream2中的cudamemcpy重叠，能不能与stream2中的cufft 重合呢？我是想比较一下同一个流中执行两次cufft 与 两个流中同时执行一次cufft再流同步 两者的执行效率。
LZ您好：
我不清楚在您的计算规模情况下，cufft在执行时的线程规模如何，以及是否能实现kernel的并行执行。
请以您的实测数据为准。
以及如果您对fft计算有更高的要求，比如更好的效率或者更好的灵活性，您也可以考虑自行实现。
大致如此，祝您好运~