我编写了一个scala程序，该程序使用JCuda接口启动Cuda内核。这些内核花费的时间比我想完成的时间长，因此我想对它们进行概要分析，以找出导致速度下降的原因。我正在使用GeForce RTX 2060，并且PC运行Ubuntu 19.04。我可以使用哪种工具来准确地识别代码的哪些部分花费最多的时间？
我研究过使用nvvm和nvprof分析器，但据我所知，这两个都需要从命令行或可执行文件中启动cuda应用程序，而这些内核是从我所在单元中的Scala代码中启动的测试。我已经有了内核运行时的外部时间，但是没有单独的故障。