DeepStream 性能分析流水线

问题：高效流水线不该靠猜

DeepStream 里 batch、精度、复用器分辨率、解码缓冲等旋钮彼此牵制。用户说「在这块 GPU 上跑快一点」「N 路 M FPS」时，若仍从显示优先的默认模板起步，往往要在生成后再花多轮试错。本技能在流水线创建阶段就把目标定量化：用推理平台期批次和硬件天花板两类测量结果推导其余配置，并用 Nsight Systems（nsys profile / nsys stats）做端到端分析，报告各插件的 NVTX 时序。

工作方式：阶段 0 预设 + 六步验证

模型与流水线无关：只假设推理元件为 nvinfer 或 nvinferserver，可覆盖检测（含跟踪）、分类、分割、VLM、嵌入等；源可以是文件、RTSP、USB 或组合。技能读取用户真实配置中的模型维度、目标 FPS、源属性，不假定固定编解码器或分辨率。

• 阶段 0（生成前）：在无额外提示下预置性能向默认值（如 INT8/FP16、model-engine-file、streammux 批次与超时、fakesink 基准变体、NvDCF 高性能跟踪预设等），避免从「糟糕骨架」再修补。
• 阶段 1：对照 references/nvtx-coverage.md 检查元素 NVTX 覆盖；未插桩部分仍可用闭式旋钮与 nvidia-smi dmon 等手段诊断。
• 阶段 2：由 nvidia-smi 推导解码/计算/显存带宽/PCIe 复制等理论天花板。
• 阶段 3：仅推理微基准（source → streammux → nvinfer → fakesink），扫描 batch-size 找平台期批次。
• 阶段 4–5（资料后续）：在完整流水线上验证并与天花板对比。

对用户的表述用 FPS、流数、瓶颈等自然语言，而非内部旋钮名。

边界与约束

• 仅限终端：不依赖 Nsight Lens 或 GUI。
• 无性能意图的「建流水线 / 播视频 / 存流」应交给 deepstream-generate-pipeline。
• 触发词包括：高效/快速/高性能/优化、基准测试、nsys、Nsight、「N 路 M FPS」、GPU 能扛多少路等。