Add analysis tool for nsight reports

[charleskawczynski]

This PR adds an analysis script for our nsight reports. This will print, for example:

[ Info: Statistics across 710021 total kernels
                                     Kernel duration percentage         
                             ┌                                        ┐ 
                 CUDA memcpy ┤ 9.36495e⁻⁵                               
              RRTMGP_col_gas ┤ 0.00117462                               
                        fill ┤ 0.0126449                                
                 CUDA memset ┤ 0.37228                                  
                         dss ┤■■ 1.64283                                
   single_field_solve_kernel ┤■■■■■■ 4.89241                            
        multiple_field_solve ┤■■■■■■■ 4.9641                            
             CuKernelContext ┤■■■■■■■■■■ 7.4615                         
                    spectral ┤■■■■■■■■■■■ 8.65283                       
                      copyto ┤■■■■■■■■■■■■■■■ 11.6266                   
               RRTMGP_RTE_sw ┤■■■■■■■■■■■■■■■■■■■■■ 15.7644             
               RRTMGP_RTE_lw ┤■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 21.0091      
                     stencil ┤■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 23.5999   
                             └                                        ┘ 
                                          Number of kernels             
                             ┌                                        ┐ 
                 CUDA memcpy ┤ 2                                        
              RRTMGP_col_gas ┤ 18                                       
               RRTMGP_RTE_lw ┤ 36                                       
               RRTMGP_RTE_sw ┤ 38                                       
                        fill ┤■ 6 516                                   
        multiple_field_solve ┤■ 8 640                                   
   single_field_solve_kernel ┤■ 17 280                                  
                 CUDA memset ┤■■ 18 720                                 
                         dss ┤■■■ 32 400                                
             CuKernelContext ┤■■■ 39 517                                
                    spectral ┤■■■■■ 62 640                              
                     stencil ┤■■■■■■■■■■■■ 146 970                      
                      copyto ┤■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 377 244   
                             └                                        ┘ 
                                    Average kernel duration (μs)        
                             ┌                                        ┐ 
                        fill ┤ 4.53625                                  
                 CUDA memset ┤ 46.4866                                  
                      copyto ┤ 72.0436                                  
                 CUDA memcpy ┤ 109.456                                  
                         dss ┤ 118.525                                  
              RRTMGP_col_gas ┤ 152.542                                  
                    spectral ┤ 322.902                                  
                     stencil ┤ 375.359                                  
             CuKernelContext ┤ 441.373                                  
   single_field_solve_kernel ┤ 661.825                                  
        multiple_field_solve ┤ 1343.05                                  
               RRTMGP_RTE_sw ┤■■■■■■■■■■■■■■■■■■■■■ 969748.0            
               RRTMGP_RTE_lw ┤■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 1.36417e⁶   
                             └                                        ┘ 

[charleskawczynski]

Perhaps unsurprisingly, diagnostic edmf pointwise kernels are the dominant cost:

                                     Kernel duration percentage
                             ┌                                        ┐
                        fill ┤ 0.0991058                               
                 CUDA memset ┤ 0.109637                                
             bycolumn_reduce ┤ 0.180484                                
                   dss_local ┤ 0.262486                                
               dss_transform ┤ 0.274207                                
             dss_untransform ┤ 0.276479                                
        multiple_field_solve ┤■ 1.34337                                
   single_field_solve_kernel ┤■ 1.93316                                
             CuKernelContext ┤■ 2.79137                                
                    spectral ┤■ 3.51933                                
                     stencil ┤■■■■■■ 14.0858                           
                      copyto ┤■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 75.1246  
                             └                                        ┘

[charleskawczynski]

Still need to fix the 139 errors.